SKILLEMALL.ai

AD video-batch-publisher

Набор инструментов для пакетной публикации коротких видео, работающий локально, поддерживает множество платформ, таких как Douyin/Video Account/Kuaishou/Bilibili, считывает задачи из Excel, автоматически загружает видео, заполняет заголовки и описания, устанавливает обложки/коллекции/теги, выбирает немедленную или запланированную публикацию в соответствии с датой публикации. В процессе работы Excel не изменяется, результаты публикации отображаются в интерфейсе и в журнале в реальном времени. Активируется, когда пользователю требуется пакетная автоматическая публикация видео, однократная публикация на нескольких платформах, публикация матрицы самомедиа, упаковка video_publisher в готовый к поставке продукт.

машинный переводПоказать оригиналСкрыть оригинал«一套本地运行的短视频批量发布工具,支持抖音/视频号/快手/B站多平台,从 Excel 读取任务,自动上传视频、填标题描述、设封面/合集/标签…»

一套本地运行的短视频批量发布工具,支持抖音/视频号/快手/B站多平台,从 Excel 读取任务,自动上传视频、填标题描述、设封面/合集/标签、按发布日期选择立即或定时发布。运行全程不修改你的 Excel,发布结果实时显示在界面与日志。当用户需要批量自动发视频、多平台一键发布、自媒体矩阵发布、把 video_publisher 打包成可交付产品时启用。

ClawHub Agent Skills автор: ccg825 v1.0.0 MIT-0 28 файлов · 1 скрипт тело ≈ 561 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Набор инструментов для пакетной публикации коротких видео, работающий локально, поддерживает множество платформ, таких как Douyin/Video…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМедиа и видеоДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 28. 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 "display_name"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 561 токенов

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
  • +2Инструкции на одном языке
  • +3Длина description 176 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This skill is a real local batch video publishing tool, but it needs Review because it can post publicly using saved browser sessions and includes anti-detection automation patterns.
LLM: suspicious (high) · 25 авг. 2026 г.