SKILLEMALL.ai

BD qinghu-ecom-video

Создание видео для электронной коммерции одним кликом: демонстрационные видео товаров, короткие видео для привлечения покупателей, рекламные ролики бренда, рекламные материалы, поддержка AI-сценариев, раскадровок, создание видео из нескольких изображений одним кликом, адаптация для платформ TikTok, Douyin, Amazon, Shopee и других. Обязательно активируйте, когда пользователь просит создать/сделать видео, видео для привлечения покупателей, видео товаров, рекламные видео, рекламные ролики, создание видео одним кликом. Ключевые слова: Qinghu AI, qhkit, Qinghu, AI-видео, создание видео, видео для привлечения покупателей, видео товаров, рекламные видео, рекламные ролики, короткие видео, создание видео одним кликом, изображение в видео, видео для TikTok, видео для Douyin, Seedance, Keling.

машинный переводПоказать оригиналСкрыть оригинал«一键生成电商视频:商品展示视频、带货短视频、品牌宣传片、广告素材,支持 AI 脚本、分镜、多图一键成片,适配 TikTok、抖音、Amazo…»

一键生成电商视频:商品展示视频、带货短视频、品牌宣传片、广告素材,支持 AI 脚本、分镜、多图一键成片,适配 TikTok、抖音、Amazon、Shopee 等平台。当用户要求生成/制作视频、带货视频、商品视频、广告视频、宣传片、一键成片时必须触发。关键词:青虎AI、qhkit、青虎、AI视频、生视频、带货视频、商品视频、广告视频、宣传片、短视频、一键成片、图生视频、TikTok视频、抖音视频、Seedance、可灵。

ClawHub Agent Skills автор: AutoAGC v0.1.0 MIT-0 2 файла тело ≈ 1 200 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание видео для электронной коммерции одним кликом: демонстрационные видео товаров, короткие видео для привлечения покупателей, рекламные ролики бренда…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМаркетингМедиа и видеоИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 2. 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 "homepage"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1200 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill has a coherent ecommerce video purpose, but it asks agents to install and run a mutable global CLI and follow upgrade instructions from runtime output, which deserves user review before installation.
LLM: suspicious (high) · 8 сент. 2026 г.