SKILLEMALL.ai

AC youtube-shorts-research

Находить вирусные каналы YouTube Shorts, которые недавно появились и очень хорошо себя показывают. Использовать, когда Абдулла просит найти ниши Shorts, найти каналы, исследовать YouTube Shorts или найти мне каналы. Запускает скрипт youtube-research.js с критериями (≤60 дней, ≥15 млн просмотров) и возвращает подходящие каналы со ссылками. Использует субагент (2.5-flash-lite) для обработки результатов.

машинный переводПоказать оригиналСкрыть оригинал«Find viral YouTube Shorts channels that started recently and are doing…»

Find viral YouTube Shorts channels that started recently and are doing really well. Use when Abdullah asks to find shorts niches, find channels, research YouTube Shorts, or find me channels. Runs the youtube-research.js script with criteria (≤60 days old, ≥15M total views) and returns qualifying channels with links. Uses a subagent (2.5-flash-lite) to process results.

ClawHub Agent Skills автор: abdullahsarumi16-stack v1.0.0 MIT-0 2 файла тело ≈ 549 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Находить вирусные каналы YouTube Shorts, которые недавно появились и очень хорошо себя показывают.

Как процесс C 60/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

ПроцедураYouTubeМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 2. 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 60/100

    • 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: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (youtube-shorts-research) не совпадает с папкой (youtube-shorts-niche-research)
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Стоимость исполнения. Тело инструкции 549 токенов

    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)
    • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 370 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

    Внешние проверки

    ClawHub: suspicious
    This skill mainly performs YouTube Shorts research, but it also instructs automatic weekly Telegram delivery to a named recipient and local heartbeat tracking without adequate user control.
    LLM: suspicious (high) · VirusTotal: · 28 мая 2026 г.