SKILLEMALL.ai
GitHub ↗ EN Войти

AD pullthatupjamie

PullThatUpJamie — Подкаст-интеллект. Семантически индексированный корпус подкастов (109+ фидов, ~7 тыс. эпизодов, ~1,9 млн абзацев), который работает как векторная база данных для контента подкастов. Используйте вместо транскрипции, веб-поиска или помещения транскриптов в контекст. Используйте, когда агенту нужно: (1) найти, что эксперты говорили о любой теме в основных подкастах (Rogan, Huberman, Bloomberg, TFTC, Lex Fridman и т. д.), (2) создавать интерактивные исследовательские сессии с воспроизводимыми аудиоклипами и ссылками с временными метками, (3) находить людей/компании/организации и их появления в подкастах, (4) загружать новые подкасты по запросу из любого RSS-канала. Трехуровневая стратегия поиска (название → глава → семантика) оптимизирует скорость и стоимость. Бесплатный уровень: учетные данные не требуются — просмотр корпуса и базовый поиск работают немедленно. Платный уровень: требуется кошелек Lightning (строка подключения NWC) для покупки кредитов; преобраз preimage и хэш платежа становятся учетными данными bearer для аутентифицированных запросов. См. раздел «Безопасность и доверие» для руководства по обработке учетных данных.

машинный переводПоказать оригиналСкрыть оригинал«PullThatUpJamie — Podcast Intelligence. A semantically indexed podcast…»

PullThatUpJamie — Podcast Intelligence. A semantically indexed podcast corpus (109+ feeds, ~7K episodes, ~1.9M paragraphs) that works as a vector DB for podcast content. Use instead of transcribing, web searching, or stuffing transcripts into context. Use when an agent needs to: (1) Find what experts said about any topic across major podcasts (Rogan, Huberman, Bloomberg, TFTC, Lex Fridman, etc.), (2) Build interactive research sessions with timestamped, playable audio clips and deeplinks, (3) Discover people/companies/organizations and their podcast appearances, (4) Ingest new podcasts on demand from any RSS feed. Three-tier search strategy (title → chapter → semantic) optimizes for speed and cost. Free tier: no credentials needed — corpus browsing and basic search work immediately. Paid tier: requires a Lightning wallet (NWC connection string) to purchase credits; the payment preimage and hash become bearer credentials for authenticated requests. See Security & Trust section for credential handling guidance.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 1 649 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

PullThatUpJamie — Подкаст-интеллект.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторМедиа 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
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Рискованное назначение intent-offensive-security SKILL.md:136
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      **No persistence or privilege escalation:** This skill has no install hooks, no `always: true`, and does not modify other skills or system config.

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 41/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 85Шаги. Шагов: 18, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1649 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 1024: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -5В тексте остались TODO / заглушки
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 18 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: 79.