SKILLEMALL.ai
GitHub ↗ EN Войти

BD YT Meta - YouTube Metadata Extractor

Извлекает информацию о видео YouTube, статистику каналов, плейлисты, комментарии. Ключ API не требуется. Бесплатный CLI-инструмент для исследования и анализа контента.

машинный переводПоказать оригиналСкрыть оригинал«Extract YouTube video info, channel stats, playlists, comments. No API…»

Extract YouTube video info, channel stats, playlists, comments. No API key required. Free CLI tool for content research and analysis.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 514 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Извлекает информацию о видео YouTube, статистику каналов, плейлисты, комментарии.

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

ИнтеграцияYouTubeМедиа 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
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
42/100
Процесс не доведён
Шаги вес 15
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: 1. 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)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 42/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 40Согласованность. Имя во frontmatter (YT Meta - YouTube Metadata Extractor) не совпадает с папкой (yt-meta)
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Стоимость исполнения. Тело инструкции 514 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Нет пошаговых инструкций или чек-листа
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 133 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Формат ответа описан явно
  • +4Есть примеры (11 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.