SKILLEMALL.ai

AC video-classifier

Классифицирует длинные неструктурированные видео, выбирая их в бэкенде и применяя теги. Используйте, когда: пользователь хочет классифицировать видео, маркировать видео конкретными метками, пакетно категоризировать видеоконтент, классифицировать неструктурированные видео, маркировать видео в бэкенде управления видео, добавлять видео в структуру, рабочий процесс классификации видео, 视频分类, 无结构视频, 加入结构, 视频标签. Пользователь предоставит имя тега и количество видео для классификации.

машинный переводПоказать оригиналСкрыть оригинал«Classify unstructured long videos by selecting them in the backend and…»

Classify unstructured long videos by selecting them in the backend and applying tags. Use when: user wants to classify videos, tag videos with specific labels, batch categorize video content, classify unstructured videos, tag videos in video management backend, add videos to structure, video classification workflow, 视频分类, 无结构视频, 加入结构, 视频标签. The user will provide the tag name and the number of videos to classify.

ClawHub Agent Skills автор: wulooongcha v1.0.0 MIT-0 3 файла тело ≈ 335 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Классифицирует длинные неструктурированные видео, выбирая их в бэкенде и применяя теги.

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
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    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: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 335 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 415 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This skill is for bulk tagging videos in a live staff backend, but it can make many record changes without a required preview or final confirmation.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.