SKILLEMALL.ai

AC bravado

Создайте эффектный короткий промо-ролик о продукте на основе веб-сайта проекта, репозитория GitHub, резюме или портфолио. Используйте, когда пользователь запрашивает видеоролик Bravado, вступительный ролик, объясняющее видео, анимированную типографику, анимированную историю продукта, анимированное резюме или синхронизированный звуковой дизайн фирменного ролика. Изучите связанный проект, напишите основанный на источнике визуальный бриф, раскадровку, выполните рендеринг, просмотр и предоставьте MP4 плюс редактируемый исходный код.

машинный переводПоказать оригиналСкрыть оригинал«Create a polished, short product motion film from a project website, G…»

Create a polished, short product motion film from a project website, GitHub repository, resume, or portfolio. Use when the user asks for a Bravado video, launch intro, explainer, motion typography, animated product story, motion resume, or synchronized brand-film sound design. Inspect the linked project, write a sourced visual brief, storyboard, render, review, and deliver MP4 plus editable source.

ClawHub Agent Skills автор: DKTR N9NE v1.0.1 MIT-0 14 файлов · 6 скриптов тело ≈ 851 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Создайте эффектный короткий промо-ролик о продукте на основе веб-сайта проекта, репозитория GitHub, резюме или портфолио.

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

ГенераторGitHubМедиа и видеоРазработкаДизайнтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
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
Отчётность по ходу вес 2
0
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: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 10, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 851 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 401 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent video-production helper that uses expected web lookup, local rendering, and file output without evidence of hidden persistence, credential access, or data theft.
    LLM: benign (high) · VirusTotal: · 30 сент. 2026 г.