SKILLEMALL.ai
GitHub ↗ EN Войти

AB notebooklm-studio

Импортирует источники (URL, YouTube, файлы, текст) в Google NotebookLM и генерирует выбранные пользователем артефакты: подкаст, видео, отчет, викторину, карточки, ментальную карту, слайды, инфографику, таблицу данных. Используйте, когда пользователь отправляет контент и просит создать учебные материалы, подкасты, видео или пакеты для обучения.

машинный переводПоказать оригиналСкрыть оригинал«Import sources (URLs, YouTube, files, text) into Google NotebookLM and…»

Import sources (URLs, YouTube, files, text) into Google NotebookLM and generate user-selected artifacts: podcast, video, report, quiz, flashcards, mind map, slides, infographic, data table. Use when the user sends content and asks to generate learning materials, podcasts, videos, or study packages.

ClawHub Agent Skills автор: jasontsaicc v2.1.3 MIT-0 11 файлов · 2 скрипта тело ≈ 3 683 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Импортирует источники (URL, YouTube, файлы, текст) в Google NotebookLM и генерирует выбранные пользователем артефакты: подкаст, видео, отчет, викторину…

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск

ГенераторYouTubeTelegramМедиа 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • низкая Опасные команды cmd-cron-mention README.md:249
      Упоминание редактирования crontab
      # crontab -e
    • низкая Опасные команды cmd-cron-mention README.md:265
      Упоминание редактирования crontab
      # crontab -e
    • низкая Опасные команды cmd-cron-mention README.zh-TW.md:249
      Упоминание редактирования crontab
      # crontab -e
    • низкая Опасные команды cmd-cron-mention README.zh-TW.md:265
      Упоминание редактирования crontab
      # crontab -e

    Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 73, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 10, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3683 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • 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

    • +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 299 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 73 пунктов
    • +4Есть примеры (10 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a coherent NotebookLM automation skill with disclosed sensitive behaviors, mainly use of a local Google NotebookLM session, local output files, optional Telegram delivery, and optional recovery polling.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.