SKILLEMALL.ai

AD srt-to-doc

Полный рабочий процесс преобразования SRT-файлов субтитров в структурированный Markdown-документ. Не требуется настройка дополнительных API-ключей, вся обработка выполняется исключительно за счет встроенных возможностей текущей сессии. Сценарии использования: пользователь загружает или предоставляет .srt-файл субтитров и хочет преобразовать содержимое видео в читаемый документ; систематизация субтитров видео Bilibili / YouTube; генерация статей на основе знаний после анализа содержимого субтитров; вывод отчета после дополнительного исследования содержимого видео. Ключевые слова для активации: файл .srt, файл субтитров, srt в статью, srt в документ, систематизация субтитров, видео в документ, анализ субтитров. Обязательно используйте этот навык, когда пользователь упоминает SRT, субтитры, хочет превратить содержимое видео в статью или заметку.

машинный переводПоказать оригиналСкрыть оригинал«将 SRT 字幕文件转换为结构化 Markdown 文档的完整工作流。无需配置任何额外 API key,完全依赖当前 session 内置能…»

将 SRT 字幕文件转换为结构化 Markdown 文档的完整工作流。无需配置任何额外 API key,完全依赖当前 session 内置能力完成全部处理。 适用场景:用户上传或提供 .srt 字幕文件,想要将视频内容转化为可读文档;整理 Bilibili / YouTube 视频字幕;将字幕内容分析后生成知识文章;对视频内容做补充研究后输出报告。 触发关键词:.srt 文件、字幕文件、srt转文章、srt转文档、字幕整理、视频转文档、字幕分析。当用户提到 SRT、字幕、想要把视频内容变成文章或笔记时,务必使用此技能。

ClawHub Agent Skills автор: Kaw0n v1.0.0 MIT-0 5 файлов тело ≈ 284 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Полный рабочий процесс преобразования SRT-файлов субтитров в структурированный Markdown-документ.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияYouTubeМедиа и видеоИнфраструктуратип 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
49/100
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: 5. 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 49/100

  • 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 (srt-to-doc) не совпадает с папкой (srt-to-md)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 15
  • 100Стоимость исполнения. Тело инструкции 284 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: clean
This skill coherently converts SRT subtitles into Markdown documents, with a disclosed research-enrichment step users should skip for private transcripts.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.