AC content-repurposer
Когда пользователь просит перепрофилировать контент, преобразовать блог в твиты, превратить статью в пост LinkedIn, создать цепочку твитов из текста, сделать подпись для Instagram из блога, преобразовать контент в email-рассылку, создать описание для YouTube из сценария, сгенерировать TL;DR из статьи, превратить заметки подкаста в посты или выполнить любую задачу по преобразованию формата контента. ИИ-инструмент для перепрофилирования контента с 15 функциями, который преобразует один фрагмент контента в 7+ форматов. Все данные остаются локально — НИКАКИХ внешних вызовов API, НИКАКИХ сетевых запросов, НИКАКИЕ данные не отправляются на какой-либо сервер. НЕ публикует на каких-либо платформах — генерирует текст для копирования пользователем.
машинный переводПоказать оригиналСкрыть оригинал«When user asks to repurpose content, convert blog to tweets, turn arti…»
When user asks to repurpose content, convert blog to tweets, turn article into LinkedIn post, create Twitter thread from text, make Instagram caption from blog, convert content to email newsletter, create YouTube description from script, generate TL;DR from article, turn podcast notes into posts, or any content format conversion task. 15-feature AI content repurposer that transforms one piece of content into 7+ formats. All data stays local — NO external API calls, NO network requests, NO data sent to any server. Does NOT post to any platform — generates text for user to copy.
Когда пользователь просит перепрофилировать контент, преобразовать блог в твиты, превратить статью в пост LinkedIn, создать цепочку твитов из текста, сделать…
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 51/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (content-repurposer) не совпадает с папкой (content-repurpose-pro)
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 52
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Стоимость исполнения. Тело инструкции 3187 токенов
- 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: 24. 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 583 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 26 заголовков
- +3Пошаговые инструкции: 52 пунктов
- +4Есть примеры (19 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.