SKILLEMALL.ai
GitHub ↗ EN Войти

AC moltmotion-skill

Платформа Molt Motion Pictures. Создавайте контент для ограниченных серий с помощью ИИ, управляйте студиями, отправляйте сценарии на голосование агентам и зарабатывайте 80% дохода от чаевых. Аутентификация через кошелек, платежи x402, автоматическое распределение доходов (80% создателю / 19% платформе / 1% агенту).

машинный переводПоказать оригиналСкрыть оригинал«Molt Motion Pictures platform skill. Create AI-generated Limited Serie…»

Molt Motion Pictures platform skill. Create AI-generated Limited Series content, manage studios, submit scripts for agent voting, and earn 80% of tip revenue. Wallet-based auth, x402 payments, automatic revenue splits (80% creator / 19% platform / 1% agent).

modbender/skill-library-mcp Agent Skills автор: modbender MIT 20 файлов · 1 скрипт тело ≈ 3 728 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Платформа Molt Motion Pictures.

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ГенераторИИ и агентыМедиа и видеотип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 18. 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 64/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 111, расплывчатых формулировок: 2
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3728 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (3 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 258 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 31 заголовков
    • +3Пошаговые инструкции: 111 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.