SKILLEMALL.ai

AD byted-sol-live-highlight-slicer

Автоматически распознает и вырезает яркие моменты из записи прямого эфира (.webm/.mp4/.mov) в виде нескольких коротких видеоклипов, поддерживает пять способов анализа: энергия звука, изменение сцены, смешанный аудио- и видеоряд, объединение аудио и видео, а также ключевые слова ASR. Может выводить отдельные клипы и объединенное видео. Подходит для таких задач, как «автоматическое вырезание ярких моментов из записи прямого эфира», «вырезание эмоциональных пиков ведущего из повтора», «извлечение захватывающих фрагментов по пикам громкости».

машинный переводПоказать оригиналСкрыть оригинал«从一段直播录屏(.webm/.mp4/.mov)中自动识别高光时刻并切割为多个短视频片段,支持音频能量、场景变化、音画混合、音画并集和 AS…»

从一段直播录屏(.webm/.mp4/.mov)中自动识别高光时刻并切割为多个短视频片段,支持音频能量、场景变化、音画混合、音画并集和 ASR 关键词五种分析方式,可输出独立片段与合并版视频。适用于“直播录屏自动剪高光”“从回放里切出主播情绪高点”“按声音峰值提取精彩片段”这类任务。

ClawHub Agent Skills автор: juzanxie-dev v1.0.0 MIT-0 8 файлов тело ≈ 1 125 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Автоматически распознает и вырезает яркие моменты из записи прямого эфира (.webm/.mp4/.mov) в виде нескольких коротких видеоклипов, поддерживает пять способов…

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

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
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: 8. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "requirements"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"

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 (byted-sol-live-highlight-slicer) не совпадает с папкой (skill-live-highlight-slicer)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 48
  • 100Стоимость исполнения. Тело инструкции 1125 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 142 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (8 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This skill is a local video highlight tool that reads user-selected media and writes clip outputs locally, with ordinary hardening issues but no evidence of hidden access or malicious behavior.
LLM: benign (high) · VirusTotal: · 9 июл. 2026 г.