SKILLEMALL.ai

AD wechat-article-video

Преобразует статьи китайских WeChat-аккаунтов и предоставленные изображения в готовые к публикации вертикальные видео для WeChat Channels. Используйте для преобразования статей в видео, графических материалов в видео, продвижения медицинских или фармацевтических препаратов, рекомендаций компаний и продуктов, ежедневных обновлений видеоканалов, пакетного производства видео, включая анализ статей, создание сценариев с проверкой фактов, направление макета 9:16, озвучку с помощью edge-tts, синхронизацию субтитров, рендеринг HyperFrames или Remotion, видимые обложки первого кадра и контроль качества доставки.

машинный переводПоказать оригиналСкрыть оригинал«Convert Chinese WeChat public-account articles and supplied images int…»

Convert Chinese WeChat public-account articles and supplied images into publish-ready vertical WeChat Channels videos. Use for 公众号转视频、图文转视频、医药或药械招商、企业和产品推荐、视频号日更、批量出片, including article analysis, fact-safe scripting, 9:16 layout direction, edge-tts narration, subtitle synchronization, HyperFrames or Remotion rendering, visible first-frame covers, and delivery QA.

ClawHub Agent Skills автор: ToBeWin v0.1.0 MIT-0 15 файлов тело ≈ 2 591 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Преобразует статьи китайских WeChat-аккаунтов и предоставленные изображения в готовые к публикации вертикальные видео для WeChat Channels.

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторТексты и документыМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
D
45/100
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 14. 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 45/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (wechat-article-video) не совпадает с папкой (wechat-article-video-skill)
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 63
    • 100Стоимость исполнения. Тело инструкции 2591 токенов

    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
    • +2Инструкции на одном языке
    • +3Длина description 365 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 63 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 5 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed video-production workflow that uses project files, local media tools, and Edge TTS in ways that fit its stated purpose.
    LLM: benign (high) · VirusTotal: · 26 авг. 2026 г.