SKILLEMALL.ai

AC notebooklm

Полная интеграция с Google NotebookLM — добавляйте источники, задавайте вопросы, генерируйте весь контент Studio (подкаст, видео, слайд-шоу, викторина, карточки, инфографика, ментальная карта, таблица данных, отчет), скачивайте артефакты и управляйте блокнотами программно. Активируется по /notebooklm или намерению вроде «создать подкаст о X», «сделать презентацию», «сгенерировать викторину», «обобщить эти документы».

машинный переводПоказать оригиналСкрыть оригинал«Complete Google NotebookLM integration — add sources, ask questions, g…»

Complete Google NotebookLM integration — add sources, ask questions, generate all Studio content (podcast, video, slide deck, quiz, flashcards, infographic, mind map, data table, report), download artifacts, and manage notebooks programmatically. Activates on /notebooklm or intent like "create a podcast about X", "make a presentation", "generate a quiz", "summarize these documents".

ClawHub Agent Skills автор: Niyazi Sönmez v1.0.0 MIT-0 3 файла тело ≈ 4 450 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полная интеграция с Google NotebookLM — добавляйте источники, задавайте вопросы, генерируйте весь контент Studio (подкаст, видео, слайд-шоу, викторина…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ИнтеграцияМедиа и видеоОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: notebooklm (ClawHub)

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: 3. 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 59/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (notebooklm) не совпадает с папкой (noteboklm)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 4450 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 28
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 20. Похоже на несколько доменов в одном скилле
  • 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 385 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (25 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
This is a coherent NotebookLM integration, but it gives broad Google account and sharing authority with loose activation and insufficient consent boundaries.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.