BB apple-music-dj
Совершенный движок персонализации для Apple Music. Анализирует историю прослушивания, статистику Apple Music Replay, данные библиотеки и предпочтения для создания интеллектуальных плейлистов непосредственно в библиотеке Apple Music пользователя через API MusicKit. Поддерживает обнаружение глубоких треков, плейлисты по настроению/активности, поиск трендов, обнаружение созвездий («удиви меня»), обновление/эволюцию плейлистов, автоматическую еженедельную курацию через cron, карты ДНК вкуса, оценку совместимости, аналитику прослушивания, анализ пробелов в каталоге, глубокое погружение в альбомы, исследование артистов, ежедневные релизы песен, подготовку к концертам и персонализированный радар новых релизов. Используйте этот модуль, когда пользователь упоминает Apple Music, плейлисты, рекомендации музыки, привычки прослушивания, музыкальный вкус, «что мне послушать», поиск новой музыки, плейлисты по настроению, плейлисты для тренировок, глубокие треки, скрытые жемчужины, популярную музыку, «удиви меня», обновление плейлиста или что-либо, связанное с курированием музыкального опыта. Также срабатывает на: «DJ», «микс», «плейлист для», «музыка для», «песни как», «похоже на», «что сейчас в тренде», «новые релизы для меня», «ДНК вкуса», «карточка вкуса», «совместимость», «насколько совместимо», «год в обзоре», «статистика прослушивания», «что я пропустил», «глубокое погружение в альбом», «исследование», «подготовка к концерту», «увидеть [исполнителя] вживую», «ежедневная песня», «что послушать прямо сейчас» или OpenClaw в контексте музыки.
машинный переводПоказать оригиналСкрыть оригинал«Ultimate personalization engine for Apple Music. Analyzes listening hi…»
Ultimate personalization engine for Apple Music. Analyzes listening history, Apple Music Replay stats, library data, and taste patterns to create intelligent playlists directly in the user's Apple Music library via the MusicKit API. Supports deep cuts discovery, mood/activity playlists, trend scouting, constellation discovery ("surprise me"), playlist refresh/evolution, automated weekly curation via cron, taste DNA cards, compatibility scoring, listening insights, catalog gap analysis, album deep dives, artist rabbit holes, daily song drops, concert prep, and personalized new release radar. Use this skill whenever the user mentions Apple Music, playlists, music recommendations, listening habits, music taste, "what should I listen to", discovering new music, mood playlists, workout playlists, deep cuts, hidden gems, trending music, "surprise me", refreshing a playlist, or anything related to curating their music experience. Also trigger on: "DJ", "mix", "playlist for", "music for", "songs like", "similar to", "what's hot", "new releases for me", "taste DNA", "taste card", "compatibility", "how compatible", "year in review", "listening stats", "what have I missed", "album deep dive", "rabbit hole", "concert prep", "seeing [artist] live", "daily song", "what should I listen to right now", or OpenClaw in the context of music.
Совершенный движок персонализации для Apple Music.
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск
Как улучшить
- Сократите description до 1024 символов.
- Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1344 символов, лимит 1024 - предупреждение
description-long-hermesdescription 1344 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой) - предупреждение
body-longтело SKILL.md ≈ 5032 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "emoji" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage" - заметка
frontmatter-keyнеизвестное поле фронтматтера "icon"
Процессный рейтинг: все десять параметров 67/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 5032 токенов
- 100Шаги. Шагов: 32
- 100Ошибки и развилки. Развилок: 3, 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 Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (9 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)
- +3Длина description 1343: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- -33 из 17 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +5В description 22 примера фраз-триггеров в кавычках
- +4Структура: 32 заголовков
- +3Пошаговые инструкции: 32 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 44.