SKILLEMALL.ai
GitHub ↗ EN Войти

DC youtube-to-ebook

Преобразуйте видео YouTube в красиво оформленные статьи электронных книг с транскриптами.

машинный переводПоказать оригиналСкрыть оригинал«Transform YouTube videos into beautifully formatted ebook articles wit…»

Transform YouTube videos into beautifully formatted ebook articles with transcripts

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка D
ClawHub Agent Skills автор: cclam5 v1.0.0 MIT-0 12 файлов · 1 скрипт тело ≈ 1 165 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Преобразуйте видео YouTube в красиво оформленные статьи электронных книг с транскриптами.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ГенераторYouTubeGmailМедиа и видеотип 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
D
52/100
безопасность, качество, тесты
Безопасность 60%
40
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. 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 · 5

  • высокая Опасные команды cmd-persistence README.md:69
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    cp com.youtube.newsletter.plist ~/Library/LaunchAgents/
  • высокая Опасные команды cmd-persistence README.md:72
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    launchctl bootstrap gui/$(id -u) ~/Library/LaunchAgents/com.youtube.newsletter.plist
  • высокая Опасные команды cmd-persistence SKILL.md:119
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    <!-- ~/Library/LaunchAgents/com.youtube.ebook.plist -->
Средние и низкие: 2
  • средняя Опасные команды cmd-persistence dashboard.py:20
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (строковый литерал в коде, не выполняется)
    PLIST_FILE = Path.home() / "Library/LaunchAgents/com.youtube.newsletter.plist"
    строка в коде
  • низкая Утечка данных read-dotenv README.md:25
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 12. 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")

Процессный рейтинг: все десять параметров 54/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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 (python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 19
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1165 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)
  • +3Длина description 83: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (8 блоков кода)

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

Внешние проверки

ClawHub: clean
This appears to be a legitimate YouTube-to-ebook/newsletter automation skill, but it uses API keys, third-party services, optional email sending, and optional Mac scheduling that users should configure deliberately.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.