SKILLEMALL.ai
GitHub ↗ EN Войти

BF youtube-research

Ответьте на исследовательский вопрос на основе того, что люди говорили на камеру — просмотрите пул видео на YouTube, проведите дешевый Q&A на основе транскриптов по всем ним, глубоко прочитайте только те немногие, чьи визуальные материалы несут информацию, и верните заметку, где каждое утверждение имеет URL видео, временную метку ЧЧ:ММ:СС, дословную цитату и оценку достоверности. Активируйте по запросу «исследуй это на YouTube», «что говорят люди о X на YouTube», «найди выступления/интервью/ключевые доклады о», «видеодоказательства для», «что сказал основатель о», «добавь источники YouTube к этому исследованию» или когда пользователь хочет первичные источники от первого лица, которые текстовые статьи не несут.

машинный переводПоказать оригиналСкрыть оригинал«Answer a research question from what people actually said on camera —…»

Answer a research question from what people actually said on camera — screen a pool of YouTube videos, run cheap transcript-based Q&A across all of them, deep-read only the few whose visuals carry information, and hand back a note where every claim has a video URL, an HH:MM:SS timestamp, a verbatim quote, and a confidence grade. Trigger on "research this on YouTube", "what are people saying about X on YouTube", "find talks / interviews / keynotes about", "video evidence for", "what did the founder say about", "add YouTube sources to this research", or when the user wants first-person primary source material that text articles do not carry.

genspark Agent Skills автор: Genspark 1 файл тело ≈ 8 810 токенов Открыть источникgenspark.ai↗ проанализирован 3 дн назад

Ответьте на исследовательский вопрос на основе того, что люди говорили на камеру — просмотрите пул видео на YouTube, проведите дешевый Q&A на основе…

Как процесс F 67/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/verify_claims.py, scripts/screen_candidates.py

ПроцедураYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: Genspark 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
F
67/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/verify_claims.py, scripts/screen_candidates.py
Инструменты и файлы вес 18
0
Повторный запуск вес 4
30
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8810 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/verify_claims.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/screen_candidates.py

Процессный рейтинг: все десять параметров 67/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/verify_claims.py, scripts/screen_candidates.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/verify_claims.py, scripts/screen_candidates.py
  • 30Повторный запуск. Изменяющих операций: 20, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8810 токенов: вытесняет саму задачу из окна
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 74
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 9, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (14 тегов): типизированный вызов надёжнее

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +3Длина description 647 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 74 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.