BD 进击的知识库
Удобная база знаний WeChat, интегрированная с Agent, позволяет загружать и архивировать ссылки на видео с разных платформ одним кликом. Контент из WeChat/Video Accounts/Douyin/Xiaohongshu/Official Accounts автоматически распознается, загружается и загружается в Tencent Docs, архивируется в интеллектуальные таблицы одним кликом. Douyin синхронно загружает и извлекает описание видео (текст автора/#теги), сохраняя его как .caption.txt. Видео напрямую загружаются для онлайн-воспроизведения, статьи автоматически сохраняются. Для Video Accounts используется собственный sph-download, для Douyin/Xiaohongshu — yt-dlp, для Official Accounts — web_fetch. Поддерживает mp4/pdf/pptx/docx/jpg/png/статьи. Вы отвечаете за поиск хорошего контента, я — за мгновенное сохранение в базу. Ключевые слова: база знаний, сохранить ссылку, сохранить в базу знаний, помоги сохранить это, скачать это видео/статью, бросить ссылку, база знаний в действии
машинный переводПоказать оригиналСкрыть оригинал«微信好用知识库，打通 Agent，多平台视频链接一键下载归档。 微信/视频号/抖音/小红书/公众号的内容，丢过来自动识别、下载、上传腾讯文档…»
微信好用知识库，打通 Agent，多平台视频链接一键下载归档。 微信/视频号/抖音/小红书/公众号的内容，丢过来自动识别、下载、上传腾讯文档，智能表格一键归档。 抖音下载同步提取视频描述（创作者文案/#标签），保存为 .caption.txt。 视频直传在线播放，文章自动转存。视频号用自研 sph-download，抖音/小红书用 yt-dlp，公众号用 web_fetch。 支持 mp4/pdf/pptx/docx/jpg/png/文章。你负责发现好内容，我负责秒速入库。 触发词：知识库、保存链接、存到知识库、帮我存这个、下载这个视频/文章、丢链接、进击的知识库
Удобная база знаний WeChat, интегрированная с Agent, позволяет загружать и архивировать ссылки на видео с разных платформ одним кликом.
Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "token_budget" - заметка
frontmatter-keyнеизвестное поле фронтматтера "owner_type"
Процессный рейтинг: все десять параметров 39/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (进击的知识库) не совпадает с папкой (knowledge-base)
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 9
- 100Стоимость исполнения. Тело инструкции 1337 токенов
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 285 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 22 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (12 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.