SKILLEMALL.ai
GitHub ↗ EN Войти

AB notebooklm-distiller

NotebookLM Distiller: Пакетное извлечение знаний из Google NotebookLM в Obsidian. Поддерживает генерацию вопросов и ответов (15-20 глубоких вопросов), структурированные сводки, извлечение глоссария, сеансы веб-исследований и прямое сохранение в markdown.

машинный переводПоказать оригиналСкрыть оригинал«NotebookLM Distiller: Batch knowledge extraction from Google NotebookL…»

NotebookLM Distiller: Batch knowledge extraction from Google NotebookLM into Obsidian. Supports Q&A generation (15-20 deep questions), structured summaries, glossary extraction, web research sessions, and direct markdown persistence.

ClawHub Agent Skills автор: anchor-jevons v2.0.0 MIT-0 7 файлов тело ≈ 1 601 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

NotebookLM Distiller: Пакетное извлечение знаний из Google NotebookLM в Obsidian.

Как процесс B 69/100 · Почти готов — слабые места: когда включается

АнализаторObsidianDiscordОбучениеИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
69/100
Почти готов
Когда включается вес 12
20
Ошибки и развилки вес 10
50
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "permissions"

    Процессный рейтинг: все десять параметров 69/100

    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 42
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1601 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (9 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 233 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This skill matches its stated NotebookLM-to-Obsidian purpose, but it needs review because it can create NotebookLM resources and write or overwrite local notes without strong confirmation or path safeguards.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.