SKILLEMALL.ai

BD guaikei-video-transcript-extractor

Обработка любых запросов "видео в текст". Охватывает транскрипцию видео, преобразование речи в текст, извлечение субтитров, анализ видео, протоколы совещаний, разбор курсов, анализ записей стримов, обработку интервью, сценарии для магазинов, создание контента для коротких видео и т.д. Входные данные: локальные видеофайлы или ссылки на общедоступные видео (Douyin, Xiaohongshu и др.). Выходные данные: чистый текстовый скрипт без избыточности, а также производные тексты любого стиля по вашему Prompt.

машинный переводПоказать оригиналСкрыть оригинал«处理一切「视频变文字」的需求。覆盖视频转写、语音转文字、字幕提取、视频内容分析、会议纪要、课程拆解、直播复盘、采访整理、探店脚本、短视频二创…»

处理一切「视频变文字」的需求。覆盖视频转写、语音转文字、字幕提取、视频内容分析、会议纪要、课程拆解、直播复盘、采访整理、探店脚本、短视频二创等场景。输入为本地视频文件或抖音、小红书等公网视频链接,输出为剔除冗余后的干净文字稿,亦可按 Prompt 定制任何风格的衍生文案。

ClawHub Agent Skills автор: engheng-art v1.0.0 MIT-0 17 файлов тело ≈ 1 309 токенов Открыть источникclawhub.ai проанализирован 8 ч назад

Обработка любых запросов "видео в текст".

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

ПроцедураИИ и агентыМедиа и видеотип 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 1309 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 136 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 does what it advertises, but it can upload arbitrary local files and fetch arbitrary web URLs with weaker limits and disclosure than users should expect.
LLM: suspicious (high) · 12 сент. 2026 г.