SKILLEMALL.ai
GitHub ↗ EN Войти

BD wevoicereply

【Автоматизированная цепочка синтеза и отправки речи】 Когда пользователь просит ответить голосом, прочитать вслух или озвучить, необходимо строго выполнить следующие три шага, не пропуская их: ### Шаг 1: Генерация текста (Prompt A) Создайте естественный, теплый, разговорный текст на основе контекста. В длинных предложениях используйте китайскую запятую `,`, чтобы обеспечить естественные паузы при синтезе аудио. ### Шаг 2: Синтез аудио (выполнение voice_reply_skill.py) **Это основное действие этого инструмента.** Передайте текст, сгенерированный на первом шаге, в качестве параметра `text`. В фоновом режиме будет автоматически запущен скрипт `voice_reply_skill.py`. - **Логика скрипта**: Piper TTS синтезирует WAV -> FFmpeg перекодирует в AMR -> Загрузка для получения URL. - **Результат**: После выполнения вы получите объект JSON, содержащий поле `url` (например, `{"url": "https://.../xxx.amr"}`). ### Шаг 3: Отправка команды (использование встроенного системного инструмента) После получения URL запрещено завершать диалог, немедленно выполните второй вызов. - **Целевой инструмент**: `default_api.message` - **Параметры выполнения**: { "action": "send", "contentType": "voice", "media": "[здесь вставьте url, возвращенный скриптом из второго шага]", "target": "@all" } 【Правило】После отправки просто сообщите пользователю «Голосовое сообщение отправлено», больше не выводите URL аудио.

машинный переводПоказать оригиналСкрыть оригинал«【自动化语音合成与推送链路】 当用户要求语音回复、读一下或发声时，必须严格执行以下三步，严禁跳步： ### 第一步：文案生成 (Promp…»

【自动化语音合成与推送链路】 当用户要求语音回复、读一下或发声时，必须严格执行以下三步，严禁跳步： ### 第一步：文案生成 (Prompt A) 根据上下文生成自然、温暖的口语化文本。 请在长句子中加入中文逗号 `，` 以确保音频合成时有自然的停顿。 ### 第二步：音频合成 (执行 voice_reply_skill.py) **这是本工具的核心动作。** 将第一步生成的文本作为 `text` 参数传入，后台将自动运行 `voice_reply_skill.py` 脚本。 - **脚本逻辑**：Piper TTS 合成 WAV -> FFmpeg 转码 AMR -> 上传获取 URL。 - **产出物**：执行完成后，你会获得一个 JSON 对象，包含 `url` 字段（例如：`{"url": "https://.../xxx.amr"}`）。 ### 第三步：指令发送 (调用系统内置工具) 获取 URL 后，禁止结束对话，立即发起第二次调用。 - **目标工具**：`default_api.message` - **执行参数**： { "action": "send", "contentType": "voice", "media": "[此处填入从第二步脚本返回的url]", "target": "@all" } 【准则】发送完成后，仅需告知用户“语音已发送”，不得再次输出音频 URL。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 59 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

【Автоматизированная цепочка синтеза и отправки речи】 Когда пользователь просит ответить голосом, прочитать вслух или озвучить, необходимо строго выполнить…

Как процесс D 42/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип 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
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
52
Прогон на моделях
не было
Процессный рейтинг
D
42/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "parameters"

Процессный рейтинг: все десять параметров 42/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 75Шаги. Шагов: 3
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 59 токенов
  • 100Повторный запуск. Изменяющих операций нет

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)
  • +4Структура: 2 заголовков, инструкции сложно сканировать
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -15Тело SKILL.md короче 300 символов: скилл почти пустой
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 631 символов: достаточно сигнала, не съедает бюджет
  • +3Пошаговые инструкции: 3 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 52.