SKILLEMALL.ai
GitHub ↗ EN Войти

AD free-model-config

Бесплатная конфигурация AI-моделей. Стандартизирует бесплатные процессы конфигурации моделей на платформах Agnes AI, Zhipu, SenseTime, Xiaomi, Meituan и т. д., поддерживает генерацию текста/изображений/видео/аудио, распознавание речи (ASR) и генерацию инфографики, а также гибкие мультимодальные пути (одиночные, комбинированные, пакетные генерации и склейка). Основное: управление API Key, настройка интерфейса, выбор модели, мультимодальная генерация (эксклюзивно для Agnes AI, использует архитектуру базовых команд для сложных команд), генерация аудио (простое синтезирование + TTS-синтез речи), распознавание и синтез речи (ASR/TTS, включая клонирование голоса/дизайн голоса). 6 доменов, 24 типа задач. Триггеры: настройка модели, бесплатная модель, настройка API, параметры модели, AI-модель, генерация изображений, генерация видео, генерация аудио, распознавание речи, синтез речи, клонирование голоса, генерация инфографики, озвучка TTS, объединение аудио/видео, meta-skill-system.

машинный переводПоказать оригиналСкрыть оригинал«免费AI模型配置领域负载物。标准化Agnes AI、智谱、商汤、小米、美团等平台的免费模型配置流程，支持文本/图像/视频/音频生成、语音识别…»

免费AI模型配置领域负载物。标准化Agnes AI、智谱、商汤、小米、美团等平台的免费模型配置流程，支持文本/图像/视频/音频生成、语音识别（ASR）与信息图生成，及灵活多模态路径（单条、组合、批量生成与拼接）。核心：API Key管理、接口配置、模型选择、多模态生成（Agnes AI特有，采用基本命令组合复杂命令架构）、音频生成（简单合成+TTS语音合成）、语音识别与合成（ASR/TTS，含音色克隆/音色设计）。6域24种任务。触发词：模型配置、免费模型、API配置、模型设置、AI模型、图像生成、视频生成、音频生成、语音识别、语音合成、音色克隆、信息图生成、TTS配音、音视频合并、meta-skill-system。

ClawHub Agent Skills автор: 波动几何 v1.0.7 MIT-0 15 файлов тело ≈ 946 токенов Открыть источникclawhub.ai↗ проанализирован 30 ч назад

Бесплатная конфигурация AI-моделей.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token scripts/agnes_gen.py:83
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    boundary = "----…0gW"
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/agnes_gen.py:107
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    boundary2 = "----…0gW"
    в кавычках

Просканировано файлов: 15. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 66
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 946 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 313 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 66 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 4 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
The skill is mostly aligned with AI model setup and media generation, but it includes review-worthy behavior: a safety-override instruction and automatic public upload of local images.
LLM: suspicious (high) · 10 сент. 2026 г.