SKILLEMALL.ai

AC yt_transcript

Извлекайте транскрипты видео YouTube из существующих субтитров (ручных или автоматически сгенерированных) с помощью yt-dlp, с необязательными временными метками и локальным кэшированием SQLite. Используйте, когда пользователь запрашивает транскрипт YouTube, субтитры, подписи или хочет преобразовать ссылку на YouTube в текст для суммирования/поиска.

машинный переводПоказать оригиналСкрыть оригинал«Extract YouTube video transcripts from existing captions (manual or au…»

Extract YouTube video transcripts from existing captions (manual or auto-generated) using yt-dlp, with optional timestamps and local SQLite caching. Use when the user asks for a YouTube transcript, captions, subtitles, or wants to turn a YouTube link into text for summarization/search.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 874 токенов Открыть источникgithub.com проанализирован 2 дн назад

Извлекайте транскрипты видео YouTube из существующих субтитров (ручных или автоматически сгенерированных) с помощью yt-dlp, с необязательными временными…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ГенераторYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
55/100
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-password-literal scripts/yt_transcript.py:705
      Захардкоженный пароль / ключ (возможно, пример)
      api_key = m2.group(1) if m2 else None

    Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 55/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (yt_transcript) не совпадает с папкой (youtube-transcript-yt-dlp)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 38
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 874 токенов
    • low Ответ описан самодельной разметкой (5 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 286 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +3Все 1 скриптов описаны в инструкциях

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