SKILLEMALL.ai
GitHub ↗ EN Войти

BD gen-hot-video

Воспроизведение видео продукта на основе стиля популярных видео через API воспроизведения популярных видео Flyelep. Используйте этот навык, когда пользователь запрашивает воспроизведение популярного видео, генерацию видео продукта путем имитации стиля референсного видео.

машинный переводПоказать оригиналСкрыть оригинал«通过 Flyelep 爆款视频复刻 API，基于爆款视频风格生成产品复刻视频。 当用户要求复刻爆款视频、模仿参考视频风格生成产品视频时使用此…»

通过 Flyelep 爆款视频复刻 API，基于爆款视频风格生成产品复刻视频。 当用户要求复刻爆款视频、模仿参考视频风格生成产品视频时使用此技能。

ClawHub Agent Skills автор: flyelep v1.0.1 MIT-0 2 файла тело ≈ 2 686 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Воспроизведение видео продукта на основе стиля популярных видео через API воспроизведения популярных видео Flyelep.

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

ИнтеграцияМедиа и видеотип 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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: 2. 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, web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2686 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +3Длина description 73: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (22 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
The skill does what it claims, but local videos may be uploaded to permanent public URLs without a clear consent checkpoint.
LLM: suspicious (high) · 28 авг. 2026 г.