SKILLEMALL.ai

AD review-radar

Извлечение информации из видеообзоров мониторов. Предоставьте OpenClaw ссылку на обзор на Bilibili/YouTube, и навык автоматически транскрибирует аудио и создаст структурированную карточку с информацией об обзоре (фактические данные, плюсы и минусы, выводы блогера, упоминания конкурентов). Также возможна пакетная обработка нескольких ссылок с обобщением результатов. Используется, когда пользователь упоминает «суммировать видеообзор», «отчет об обзоре монитора», «пакетно просмотреть обзоры», «информация об обзоре».

машинный переводПоказать оригиналСкрыть оригинал«显示器评测视频情报提取。给 OpenClaw 一个 B 站/YouTube 评测视频链接,自动转写口播音频并产出结构化评测情报卡(实测数据、…»

显示器评测视频情报提取。给 OpenClaw 一个 B 站/YouTube 评测视频链接,自动转写口播音频并产出结构化评测情报卡(实测数据、优缺点、博主结论、竞品提及),也可批量处理多个链接并汇总。当用户提到"总结评测视频""显示器评测报告""批量看评测""评测情报"时使用。

ClawHub Agent Skills автор: Ford828 v1.0.0 MIT-0 9 файлов · 7 скриптов тело ≈ 213 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Извлечение информации из видеообзоров мониторов.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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: 9. 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 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (review-radar) не совпадает с папкой (review-radar-skill-3)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 7
  • 100Стоимость исполнения. Тело инструкции 213 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (4 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 138 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +3Все 7 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its stated video-report purpose, but it sends user-selected files to a configurable HTTP service and has unsafe argument handling in the manual text helper.
LLM: suspicious (high) · VirusTotal: · 26 июл. 2026 г.