SKILLEMALL.ai

BB notebooklm

Полный API для Google NotebookLM — полный программный доступ, включая функции, отсутствующие в веб-интерфейсе. Создавайте блокноты, добавляйте источники, генерируйте артефакты всех типов, скачивайте в нескольких форматах. Активируется по явному запросу /notebooklm или намерению типа "создать подкаст о X"

машинный переводПоказать оригиналСкрыть оригинал«Complete API for Google NotebookLM - full programmatic access includin…»

Complete API for Google NotebookLM - full programmatic access including features not in the web UI. Create notebooks, add sources, generate all artifact types, download in multiple formats. Activates on explicit /notebooklm or intent like "create a podcast about X"

ClawHub Agent Skills автор: lmanchu v0.3.2 MIT-0 2 файла тело ≈ 5 682 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Полный API для Google NotebookLM — полный программный доступ, включая функции, отсутствующие в веб-интерфейсе.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, согласованность

ИнтеграцияИнфраструктураМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Когда включается вес 12
20
Согласованность вес 8
40
Инструменты и файлы вес 18
60
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5682 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 65/100

  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (notebooklm) не совпадает с папкой (notebooklm-api)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5682 токенов
  • 85Шаги. Шагов: 102, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 265 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 102 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (26 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate NotebookLM automation skill, but it can automatically send documents or prompts to Google NotebookLM under broad activation rules, so it needs careful review before installation.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.