SKILLEMALL.ai

BC ai-video-clipper

Полностью автоматический навык видеомонтажа с помощью ИИ. Активируется, когда пользователь запрашивает следующие действия: - "Помоги мне смонтировать видео", "Автоматический монтаж", "Смонтировать видео с помощью ИИ" - "Монтаж киноматериалов", "Пакетный монтаж видео", "Автоматическое создание видео" - "Автоматическая обработка видеоматериалов", "Автоматическое создание готового видео из материалов" - "Создание коротких сериалов", "Монтаж коротких видео", "Автоматический экспорт видео" - "Автоматический импорт материалов", "Автоматическое добавление субтитров к видео", "Автоматическое добавление фоновой музыки" - "Автоматические переходы между кадрами", "Автоматическое добавление спецэффектов", "Автоматический подбор фильтров" - Любые запросы, связанные с монтажом видео, обработкой материалов, автоматическим созданием готового видео.

машинный переводПоказать оригиналСкрыть оригинал«全自动AI视频剪辑Skill。当用户请求以下操作时触发: - "帮我剪辑视频"、"自动剪辑"、"AI剪辑视频" - "剪辑电影素材"、"批量…»

全自动AI视频剪辑Skill。当用户请求以下操作时触发: - "帮我剪辑视频"、"自动剪辑"、"AI剪辑视频" - "剪辑电影素材"、"批量剪辑视频"、"自动生成视频" - "视频素材自动处理"、"从素材自动生成成片" - "制作短剧集"、"剪辑短视频"、"自动导出视频" - "素材自动导入"、"视频自动添加字幕"、"自动添加背景音乐" - "视频自动转场"、"特效自动添加"、"滤镜自动匹配" - 任何涉及视频剪辑、素材处理、自动成片生成的需求

ClawHub Agent Skills автор: ai285384076-droid v1.0.0 MIT-0 15 файлов тело ≈ 764 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полностью автоматический навык видеомонтажа с помощью ИИ.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМедиа и видеоИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 764 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -42 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 7 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 14 примера фраз-триггеров в кавычках
  • +3Длина description 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This is a disclosed local video-editing automation skill with normal media-processing risks, not evidence of hidden theft, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.