SKILLEMALL.ai

BD guaikei-v2t

Преобразование видео в текстовую транскрипцию. Применимо для таких команд, как «Извлечь текст из этого видео», «Помоги мне транскрибировать это видео», «Суммируй видео». Поддерживает прямые ссылки на платформы, такие как Douyin, Xiaohongshu, а также локальные видеофайлы. Транскрипция с помощью облачной большой модели, вывод — связный текст без слов-паразитов; можно настроить вывод резюме, переписывания, золотых цитат, раскадровок, перевода и т. д. с помощью Prompt.

машинный переводПоказать оригиналСкрыть оригинал«将视频转为文字稿。适用于「把这个视频的文字提出来」「帮我转写这个视频」「视频总结一下」等指令。支持抖音、小红书等平台链接直连,也支持本地视频…»

将视频转为文字稿。适用于「把这个视频的文字提出来」「帮我转写这个视频」「视频总结一下」等指令。支持抖音、小红书等平台链接直连,也支持本地视频文件。云端大模型转写,输出剔除语气词后的通顺文案,可通过 Prompt 定制总结、改写、金句、分镜头、翻译等输出。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 17 файлов тело ≈ 1 308 токенов Открыть источникclawhub.ai проанализирован 6 ч назад

Преобразование видео в текстовую транскрипцию.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 17. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1308 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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
  • -214 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 127 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill mostly does what it claims, but it can fetch arbitrary URLs and upload the resulting content to a server-chosen HTTPS destination broader than its documentation discloses.
LLM: suspicious (high) · 12 сент. 2026 г.