SKILLEMALL.ai
GitHub ↗ EN Войти

BC researcher

Рабочий процесс глубокого исследования справочных материалов UGC — превращает один или несколько URL-адресов / имен пользователей / поисковых запросов по трендам в единый цитируемый отчет об исследовании (report.md + sources.json), на основе которого может действовать сценарист или арт-директор. Агрегирует цепочку `ralphy ref` для каждого URL (yt-dlp pull → frames → transcript → vision → audio-describe → blueprint) и добавляет сквозной проход LLM-синтеза поверх всех источников. ИСПОЛЬЗОВАТЬ КОГДА пользователь публикует URL в TikTok / Reel / Shorts / YouTube / X / Reddit, упоминает `@handle` для аудита, спрашивает "как они делают X", спрашивает "что сейчас в тренде в <нише>", запрашивает анализ конкурентов или хочет отчет о стиле по нескольким референсам. ТРИГГЕР (EN): "research X", "analyze @handle", "break down this TikTok / Reel / Shorts", "how do they do this", "find how X is done", "what's trending in <niche>", "competitor audit", "extract style from <url>". См. тело для ALSO FIRE / DO NOT FIRE / HARD INVARIANTS.

машинный переводПоказать оригиналСкрыть оригинал«Deep-research workflow for UGC reference material — turns one or more…»

Deep-research workflow for UGC reference material — turns one or more URLs / handles / trend queries into a single cited research report (report.md + sources.json) that a scenarist or art-director can act on. Aggregates the per-URL `ralphy ref` chain (yt-dlp pull → frames → transcript → vision → audio-describe → blueprint) and adds a cross-source LLM synthesis pass on top. USE WHEN the user drops a URL on TikTok / Reel / Shorts / YouTube / X / Reddit, mentions an `@handle` to audit, asks "how do they do X", asks "what's trending in <niche>", asks for a competitor breakdown, or wants a style report across multiple references. TRIGGER (EN): "research X", "analyze @handle", "break down this TikTok / Reel / Shorts", "how do they do this", "find how X is done", "what's trending in <niche>", "competitor audit", "extract style from <url>". See body for ALSO FIRE / DO NOT FIRE / HARD INVARIANTS.

alecs5am/ralphy Agent Skills автор: alecs5am 17 файлов · 7 скриптов тело ≈ 1 699 токенов Открыть источникgithub.com↗ проанализирован 10 ч назад

Рабочий процесс глубокого исследования справочных материалов UGC — превращает один или несколько URL-адресов / имен пользователей / поисковых запросов по…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ПроцедураYouTubeДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ralphy

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "namespace"

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 27
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1699 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 900: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -37 из 7 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 10 примера фраз-триггеров в кавычках
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 27 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 9)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.