SKILLEMALL.ai

BC podcast-chat-prep

Инструмент для быстрого прослушивания аудио подкастов/совместных звонков и пакетной обработки целых подкастов. Используйте, когда пользователь говорит «друг порекомендовал подкаст, но у меня нет времени его слушать», «помоги мне быстро разобраться в этом подкасте», «извлеки эти выпуски, чтобы я мог поговорить с людьми», «хочу системно разобраться в гостях и мнениях подкаста», «анализ стенограммы подкаста», «заметки по подкасту», «как подготовить контент после совместного звонка». Основные возможности: пакетная обработка десятков или сотен выпусков подкаста, вывод заметок по отдельным выпускам, отслеживание изменений мнений гостей между выпусками, создание профилей гостей, база материалов для разговоров, материалы для контента в WeChat. Входные данные — стенограмма (.md/.txt, может быть получена из Tongyi Tingwu/Feishu Miaoji/Jianying).

машинный переводПоказать оригиналСкрыть оригинал«播客/连麦音频速通与整档播客批量化处理工具。当用户说'朋友推荐了一个播客但我没时间听'、'帮我快速了解这个播客'、'把这几期内容扒下来让我能…»

播客/连麦音频速通与整档播客批量化处理工具。当用户说'朋友推荐了一个播客但我没时间听'、'帮我快速了解这个播客'、'把这几期内容扒下来让我能跟人聊'、'想系统了解一档播客的嘉宾和观点'、'播客逐字稿分析'、'播客笔记'、'连麦完怎么出内容'时使用此 Skill。核心能力:对一档播客几十期上百期做批量化处理,输出单期笔记、嘉宾观点跨期变化追踪、嘉宾人设画像、聊天素材库、公众号内容素材。 输入为逐字稿(.md/.txt,可由通义听悟/飞书妙记/剪映转写获得)。

ClawHub Agent Skills автор: Shi Yan (施言) v1.0.0 MIT-0 7 файлов тело ≈ 735 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент для быстрого прослушивания аудио подкастов/совместных звонков и пакетной обработки целых подкастов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 7. 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 "agent_created"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 735 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +3Длина description 230 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
This markdown-only skill does not run code, but it explicitly encourages using podcast transcripts to appear more knowledgeable than the user is and lacks guardrails for privacy and reputational misuse.
LLM: suspicious (high) · 9 авг. 2026 г.