SKILLEMALL.ai

AA youtube-summary

Суммирует видео YouTube в структурированный Markdown с помощью youtube2md, включая заметки по главам, ссылки на временные метки и ключевые выводы. Используйте, когда пользователь предоставляет один или несколько URL-адресов YouTube и запрашивает сводки, учебные заметки, сводки на разных языках, извлечение транскриптов или машиночитаемый вывод JSON.

машинный переводПоказать оригиналСкрыть оригинал«Summarize YouTube videos into structured Markdown with youtube2md, inc…»

Summarize YouTube videos into structured Markdown with youtube2md, including chaptered notes, timestamp links, and key takeaways. Use when the user provides one or more YouTube URLs and asks for summaries, study notes, language-specific summaries, transcript extraction, or machine-readable JSON output.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 17 файлов · 1 скрипт тело ≈ 1 088 токенов Открыть источникgithub.com проанализирован 2 дн назад

Суммирует видео YouTube в структурированный Markdown с помощью youtube2md, включая заметки по главам, ссылки на временные метки и ключевые выводы.

Как процесс A 80/100 · Дойдёт до конца — слабые места: результат и критерий готовности, отчётность по ходу

ПроцедураYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
A
80/100
Дойдёт до конца
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
60
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: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "env"

    Процессный рейтинг: все десять параметров 80/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Ошибки и развилки. Развилок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 49
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Входы и предусловия. Входные данные и предусловия перечислены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1088 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Ответ описан самодельной разметкой (10 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 303 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 49 пунктов
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.