SKILLEMALL.ai

BD youtube-comment

Инструмент для анализа комментариев к видео на YouTube. Введите ссылку на видео, чтобы получить данные комментариев, с поддержкой постраничного просмотра и четырехмерного анализа тональности (позитивный/негативный/потребность/конкурент), чтобы быстро понять отзывы пользователей под любым видео. Используется, когда нужно посмотреть комментарии к видео на YouTube, проанализировать общественное мнение по видео или понять отзывы пользователей. Триггерные слова: комментарии YouTube, комментарии Youtube, комментарии к видео, поиск комментариев, анализ комментариев, общественное мнение по комментариям, посмотреть комментарии, комментарии youtube, комментарии YT.

машинный переводПоказать оригиналСкрыть оригинал«YouTube视频评论分析工具。输入视频链接即可获取评论数据,支持翻页续查与四维情感分析(积极/负面/需求/竞品),快速掌握任意视频下的用户…»

YouTube视频评论分析工具。输入视频链接即可获取评论数据,支持翻页续查与四维情感分析(积极/负面/需求/竞品),快速掌握任意视频下的用户反馈全貌。当用户需要查看YouTube视频评论、分析视频舆情、了解用户反馈时使用。触发词:YouTube评论、油管评论、视频评论、评论查询、评论分析、评论舆情、看评论、youtube评论、YT评论。

redfox-data/redfox-community Agent Skills автор: redfox-data 7 файлов тело ≈ 1 167 токенов Открыть источникgithub.com проанализирован 4 ч назад

Инструмент для анализа комментариев к видео на YouTube.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураYouTubeGitHubМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 7. 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 46/100

  • 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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1167 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 169 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.