SKILLEMALL.ai
GitHub ↗ EN Войти

AC ultimate-music-manager

Организует беспорядочную локальную музыкальную библиотеку в чистую иерархию Язык/Исполнитель/Альбом с использованием акустического отпечатка, дедупликации, обогащения метаданных и опциональной синхронизации с Spotify. Используйте, когда: (1) Пользователь хочет отсортировать или очистить папку с аудиофайлами, (2) У пользователя есть неотмеченные или плохо размеченные файлы MP3/FLAC/M4A, (3) Пользователь хочет идентифицировать неизвестные песни с помощью отпечатка Shazam, (4) Пользователь хочет дедуплицировать аудиофайлы по хэшу содержимого, (5) Пользователь хочет обогатить метаданные обложками iTunes и текстами LrcLib, (6) Пользователь хочет синхронизировать свою локальную библиотеку с плейлистами Spotify.

машинный переводПоказать оригиналСкрыть оригинал«Organises a messy local music library into a clean Language/Artist/Alb…»

Organises a messy local music library into a clean Language/Artist/Album hierarchy using acoustic fingerprinting, deduplication, metadata enrichment, and optional Spotify sync. Use when: (1) User wants to sort or clean up a folder of audio files, (2) User has untagged or badly-tagged MP3/FLAC/M4A files, (3) User wants to identify unknown songs via Shazam fingerprinting, (4) User wants to deduplicate audio files by content hash, (5) User wants to enrich metadata with iTunes artwork and LrcLib lyrics, (6) User wants to sync their local library to Spotify playlists.

ClawHub Agent Skills автор: Rohit Burani v1.0.1 MIT-0 10 файлов · 4 скрипта тело ≈ 3 656 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Организует беспорядочную локальную музыкальную библиотеку в чистую иерархию Язык/Исполнитель/Альбом с использованием акустического отпечатка, дедупликации…

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

ПроцедураИнфраструктуратип 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Утечка данных read-dotenv scripts/preflight.sh:110
      Чтение файла .env (в кавычках — упоминание, а не команда)
      info "  cp .env.example .env"
      в кавычках
    • низкая Утечка данных read-dotenv scripts/preflight.sh:119
      Чтение файла .env (комментарий в коде)
      # Source .env manually to read MUSIC_ROOT (config.py uses python-dotenv,
      комментарий

    Просканировано файлов: 10. 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 64/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 20
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3656 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (12 тегов): типизированный вызов надёжнее

    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
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 569 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (10 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This music organizer is mostly aligned with its purpose, but it needs Review because it can broadly reorganize local music files, uses optional Spotify account access, and has some under-disclosed or unsafe execution details.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.