SKILLEMALL.ai
EN Войти

BD tencentcloud-aigc-recog-video

Навык TencentCloud Video AIGC Detection. Применяется для обнаружения видео, сгенерированных ИИ, определения подлинности видео, обнаружения синтезированных ИИ видео, обнаружения Deepfake видео и т. д. TencentCloud Video AIGC Detection — это сервис Tencent Cloud для обнаружения контента, сгенерированного ИИ, поддерживающий обнаружение aigc, идентификацию видео, сгенерированного ИИ, и проверку подлинности видео.

машинный переводПоказать оригиналСкрыть оригинал«腾讯云 AI 生成视频识别 (TencentCloud Video AIGC Detection) 技能。适用于 AI 生成视频检测、视频真…»

腾讯云 AI 生成视频识别 (TencentCloud Video AIGC Detection) 技能。适用于 AI 生成视频检测、视频真伪鉴别、AI 合成视频检测、Deepfake 视频检测等场景。TencentCloud Video AIGC Detection is an AI-generated content detection service by Tencent Cloud, supporting aigc detection, AI-generated video identification, and video authenticity review.

ClawHub Agent Skills автор: Xinyu Wang v1.0.9 MIT-0 6 файлов тело ≈ 2 197 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Навык TencentCloud Video AIGC Detection.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторМедиа 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
82/100
безопасность, качество, тесты
Безопасность 60%
85
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • средняя Опасные команды cmd-shell-rc SKILL.md:66
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export TENCENTCLOUD_SECRET_ID="你的SecretId"' >> ~/.zshrc
  • средняя Опасные команды cmd-shell-rc SKILL.md:67
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export TENCENTCLOUD_SECRET_KEY="你的SecretKey"' >> ~/.zshrc
  • средняя Опасные команды cmd-shell-rc SKILL.md:68
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export TENCENTCLOUD_AIGC_RECOG_VIDEO_BIZ_TYPE="你的BizType"' >> ~/.zshrc

Просканировано файлов: 6. 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 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2197 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -216 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 290 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (12 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
The skill does what it claims, but local-video use can upload private files through an unspecified helper skill without a clear confirmation step.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.