SKILLEMALL.ai

AC youtube-apify-transcript

Получать транскрипты YouTube через APIFY API. Работает с IP-адресов облачных сервисов (Hetzner, AWS и т.д.), обходя систему обнаружения ботов YouTube. Есть локальное кэширование (бесплатные повторные запросы!) и пакетный режим. Бесплатный тариф включает кредиты на $5 в месяц (примерно 714 видео). Кредитная карта не требуется.

машинный переводПоказать оригиналСкрыть оригинал«Fetch YouTube transcripts via APIFY API. Works from cloud IPs (Hetzner…»

Fetch YouTube transcripts via APIFY API. Works from cloud IPs (Hetzner, AWS, etc.) by bypassing YouTube's bot detection. Features local caching (FREE repeat requests!) and batch mode. Free tier includes $5/month credits (~714 videos). No credit card required.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 5 файлов тело ≈ 957 токенов Открыть источникgithub.com проанализирован 2 дн назад

Получать транскрипты YouTube через APIFY API.

Как процесс C 55/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ИнтеграцияYouTubeAWSМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token scripts/fetch_transcript.py:36
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    DEFAULT_APIFY_ACTOR_ID = "topaz_sharingan~Yout…r-1"
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/fetch_transcript.py:218
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    if actor_id == "topaz_sharingan~Yout…r-1":
    в кавычках

Просканировано файлов: 5. 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")

Процессный рейтинг: все десять параметров 55/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 15, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 957 токенов

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 259 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.