SKILLEMALL.ai
GitHub ↗ EN Войти

FB youtube-acquisition

Шаблоны yt-dlp для получения контента с YouTube и видеоплатформ.

машинный переводПоказать оригиналСкрыть оригинал«yt-dlp patterns for acquiring content from YouTube and video platforms…»

yt-dlp patterns for acquiring content from YouTube and video platforms

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка F
jmagly/aiwg Agent Skills автор: jmagly 1 файл тело ≈ 6 249 токенов Открыть источникgithub.com↗ проанализирован 8 ч назад

Шаблоны yt-dlp для получения контента с YouTube и видеоплатформ.

Как процесс B 66/100 · Почти готов — слабые места: когда включается, отчётность по ходу

ПроцедураYouTubeGitHubМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: 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
F
49/100
безопасность, качество, тесты
Безопасность 60%
41
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Ошибки и развилки вес 10
50
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: aiwg

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Утечка данных
Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  3. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 4

  • высокая Утечка данных intent-browser-credential-store SKILL.md:611
    Доступ к хранилищу паролей / cookies браузера
    yt-dlp --cookies-from-browser chrome --cookies cookies.txt "VIDEO_URL"
  • высокая Утечка данных intent-browser-credential-store SKILL.md:620
    Доступ к хранилищу паролей / cookies браузера
    yt-dlp --cookies-from-browser "chromium:$HOME/.var/app/org.chromium.Chromium/config/chromium" "VIDEO_URL"
  • высокая Утечка данных intent-browser-credential-store SKILL.md:623
    Доступ к хранилищу паролей / cookies браузера
    yt-dlp --cookies-from-browser "chromium:$HOME/.var/app/io.github.ungoogled_software.ungoogled_chromium/config/chromium" "VIDEO_URL"
Средние и низкие: 1
  • средняя Утечка данных intent-browser-credential-store SKILL.md:616
    Доступ к хранилищу паролей / cookies браузера (в кавычках — упоминание, а не команда)
    `--cookies-from-browser chromium` does NOT find Flatpak Chromium installs (or any other Flatpak browser) — the binary's default profile path doesn't match the Flatpak sandbox layout. Pass an explicit
    в кавычках

Просканировано файлов: 1. 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")
  • предупреждение body-long тело SKILL.md ≈ 6249 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "namespace"
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 99, 765): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 66/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6249 токенов
  • 100Шаги. Шагов: 33
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 23. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 70: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 82 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (57 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.