SKILLEMALL.ai
EN Войти

AC loom-workflow

Анализатор рабочих процессов на основе ИИ для записей Loom. Разбивает записанные бизнес-процессы на структурированные, автоматизируемые рабочие процессы. Используйте, когда: - Анализируете видео Loom для понимания рабочих процессов - Извлекаете шаги, инструменты и точки принятия решений из записей экрана - Генерируете файлы рабочих процессов Lobster из видеоинструкций - Определяете неоднозначности и точки человеческого вмешательства в процессы

машинный переводПоказать оригиналСкрыть оригинал«AI-native workflow analyzer for Loom recordings. Breaks down recorded…»

AI-native workflow analyzer for Loom recordings. Breaks down recorded business processes into structured, automatable workflows. Use when: - Analyzing Loom videos to understand workflows - Extracting steps, tools, and decision points from screen recordings - Generating Lobster workflow files from video walkthroughs - Identifying ambiguities and human intervention points in processes

modbender/skill-library-mcp Agent Skills автор: modbender MIT 6 файлов тело ≈ 635 токенов Открыть источникgithub.com↗ проанализирован 36 ч назад

Анализатор рабочих процессов на основе ИИ для записей Loom.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ПроцедураИИ и агентыМедиа и видеоИнфраструктуратип 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
A
91/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Обфускация obf-base64-blob test-output/video.info.json:1
      Длинный blob, похожий на base64 (в кавычках — упоминание, а не команда)
      {"id": "a79e…edd", "duration": 3943, "chapters": [{"start_time": 0.0, "title": "Introdução ao Workflow", "end_time": 101.0}, {"start_time": 101.0, "title": "Diferença de Tipos
      в кавычках
    • низкая Секреты в коде secret-high-entropy-token test-output/video.info.json:1
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      {"id": "a79e…edd", "duration": 3943, "chapters": [{"start_time": 0.0, "title": "Introdução ao Workflow", "end_time": 101.0}, {"start_time": 101.0, "title": "Diferença de Tipos
      детектор

    Просканировано файлов: 6. 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 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 25
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 635 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
    • -33 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 385 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 25 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.