SKILLEMALL.ai
GitHub ↗ EN Войти

BD ncm-listening-profile

Используется, когда пользователь хочет собрать данные о прослушивании музыки на рабочем столе NetEase Cloud Music в Windows или macOS, экспортировать основной плейлист и рейтинг прослушивания, а также сгенерировать локальные файлы JSONL/CSV/aggregate и подсказки для анализа ИИ. Этот навык запускается через CDP или подключается к клиентскому приложению NetEase Cloud Music на компьютере, собирает плейлисты, созданные пользователем, основной плейлист, рейтинг прослушивания за последнюю неделю и рейтинг прослушивания за все время через API NetEase Cloud в контексте авторизованной страницы. Этот навык не выполняет анализ личности или профиля в сеансе сбора данных.

машинный переводПоказать оригиналСкрыть оригинал«当用户想在 Windows 或 macOS 上采集网易云音乐/NetEase Cloud Music 桌面版听歌画像数据、导出主歌单和听歌排…»

当用户想在 Windows 或 macOS 上采集网易云音乐/NetEase Cloud Music 桌面版听歌画像数据、导出主歌单和听歌排行、生成本地 JSONL/CSV/aggregate 文件与 AI 分析 prompt 时使用。此 Skill 通过 CDP 启动或连接本机网易云音乐客户端，在已登录页面上下文用网易云 `/api` 采集用户创建歌单、主歌单、最近一周听歌排行和所有时间听歌排行；本 Skill 不在采集会话内做人格或画像分析。

ClawHub Agent Skills автор: 龙骑士k v1.0.2 MIT-0 19 файлов тело ≈ 2 208 токенов Открыть источникclawhub.ai↗ проанализирован 34 ч назад

Используется, когда пользователь хочет собрать данные о прослушивании музыки на рабочем столе NetEase Cloud Music в Windows или macOS, экспортировать основной…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентыДанные и аналитикатип 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
B
81/100
безопасность, качество, тесты
Безопасность 60%
85
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
D
48/100
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 · 15

✓ Критических и высоких находок нет

Средние и низкие: 15
  • низкая Секреты в коде secret-high-entropy-token references/schemas.md:163
    Строка, похожая на токен (может быть id, хеш или секрет)
    top3…unt
  • низкая Секреты в коде secret-high-entropy-token references/schemas.md:164
    Строка, похожая на токен (может быть id, хеш или секрет)
    top3…unt
  • низкая Секреты в коде secret-high-entropy-token references/schemas.md:166
    Строка, похожая на токен (может быть id, хеш или секрет)
    rece…are
  • низкая Секреты в коде secret-high-entropy-token references/schemas.md:167
    Строка, похожая на токен (может быть id, хеш или секрет)
    top1…ise
  • низкая Секреты в коде secret-high-entropy-token references/schemas.md:168
    Строка, похожая на токен (может быть id, хеш или секрет)
    bott…unt
  • низкая Секреты в коде secret-high-entropy-token scripts/ncm_aggregate.py:307
    Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
    "top2…nMs": sorted(primary_samples, key=lambda item: int(item.get("durationMs") or 0), reverse=True)[:20],
    заглушка
  • низкая Секреты в коде secret-high-entropy-token scripts/ncm_aggregate.py:308
    Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
    "top2…nMs": sorted(primary_samples, key=lambda item: int(item.get("durationMs") or 0))[:20],
    заглушка
  • низкая Секреты в коде secret-high-entropy-token scripts/ncm_aggregate.py:320
    Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
    "top2…cks": [_sample_primary(row, raw) for row, raw, _ in sorted(added_pairs, key=lambda item: item[2])[:20]],
    заглушка
  • низкая Секреты в коде secret-high-entropy-token scripts/ncm_aggregate.py:321
    Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
    "top2…cks": [_sample_primary(row, raw) for row, raw, _ in sorted(added_pairs, key=lambda item: item[2], reverse=True)[:20]],
    заглушка
  • низкая Секреты в коде secret-high-entropy-token scripts/ncm_aggregate.py:326
    Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
    "top2…unt": sorted(recent_samples, key=lambda item: int(item.get("playCount") or 0), reverse=True)[:20],
    заглушка
  • низкая Секреты в коде secret-high-entropy-token scripts/test_ncm_profile.py:466
    Строка, похожая на токен (может быть id, хеш или секрет) (тестовый файл / пример; в кавычках — упоминание, а не команда)
    self.assertEqual(aggregate["rankingStats"]["rece…are"], 0)
    тестовый файлв кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/test_ncm_profile.py:467
    Строка, похожая на токен (может быть id, хеш или секрет) (тестовый файл / пример; в кавычках — упоминание, а не команда)
    self.assertEqual(aggregate["rankingStats"]["rece…are"], 0)
    тестовый файлв кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/test_ncm_profile.py:468
    Строка, похожая на токен (может быть id, хеш или секрет) (тестовый файл / пример; в кавычках — упоминание, а не команда)
    self.assertEqual(aggregate["rankingStats"]["rece…are"], 0)
    тестовый файлв кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/test_ncm_profile.py:469
    Строка, похожая на токен (может быть id, хеш или секрет) (тестовый файл / пример; в кавычках — упоминание, а не команда)
    self.assertEqual(aggregate["rankingStats"]["top2…unt"], [])
    тестовый файлв кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/test_ncm_profile.py:470
    Строка, похожая на токен (может быть id, хеш или секрет) (тестовый файл / пример; в кавычках — упоминание, а не команда)
    self.assertEqual(aggregate["rankingStats"]["bott…unt"], [])
    тестовый файлв кавычках

Просканировано файлов: 19. 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 48/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2208 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле

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
  • -37 из 8 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 225 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (20 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill transparently collects a user's own NetEase Cloud Music listening data into local files for optional AI analysis, with no artifact evidence of upload, credential theft, or hidden behavior.
LLM: benign (high) · VirusTotal: · 13 июн. 2026 г.