SKILLEMALL.ai

BD notebooklm

Запрашивайте и управляйте записными книжками Google NotebookLM с постоянной аутентификацией профиля, синхронизацией источников, пакетными/множественными запросами и структурированным экспортом. Используйте, когда пользователь просит запросить NotebookLM, «спросить мою записную книжку», делится URL-адресами записных книжек NotebookLM, хочет перечислить/создать записные книжки, управлять источниками, выполнять пакетную синхронизацию папок, дедупликацию или аудит экспорта.

машинный переводПоказать оригиналСкрыть оригинал«Query and manage Google NotebookLM notebooks with persistent profile a…»

Query and manage Google NotebookLM notebooks with persistent profile auth, source sync, batch/multi queries, and structured exports. Use when user asks to query NotebookLM, 'ask my notebook', shares NotebookLM notebook URLs, wants to list/create notebooks, manage sources, do bulk folder sync, dedupe, or audit exports.

sanjay3290/ai-skills Agent Skills автор: sanjay3290 13 файлов · 9 скриптов тело ≈ 548 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Запрашивайте и управляйте записными книжками Google NotebookLM с постоянной аутентификацией профиля, синхронизацией источников, пакетными/множественными…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 48/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 12
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 548 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
    • -31 из 5 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 319 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 12 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +1Лицензия указана

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