Сергей Корниенко выложил в открытый доступ портативные навыки для агентов, которые умеют проверять факты в интернете. Ты даёшь агенту ссылку на вирусный ролик, статью, твит или PDF — и получаешь отчёт с вердиктом по каждому утверждению, источниками и оценкой «мутности» от 0 до 10 (BS score). Проект называется bullshit-detector, и построен он так, что анализу можно подвергнуть вообще любой контент.
Навыки выполнены по модели Portable Agent Skills: это обычный markdown и самодостаточные Python-скрипты, которые работают в Claude Code, Codex, OpenCode и любом окружении, где есть поддержка формата и веб-поиск. Установить можно двумя путями. Скрипт skills.sh копирует все файлы к тебе — их разрешено менять и дорабатывать, и тогда детектор трудится с любым агентом. Плагин для Claude Code ставится через /plugin marketplace add SerhiiKorniienko/bullshit-detector и держит навыки актуальными без твоего вмешательства, но только в Claude Code. Разработчик предупреждает: ставить оба варианта не надо — агент получит дубликаты.
Проект решает три главные проблемы. Первая — в ролике с миллионом просмотров блогер объясняет «14 способов заработать на AI». Агент не верит на слово. Он извлекает каждое утверждение, ищет независимые источники и выставляет один из вердиктов: подтверждено, правдоподобно, вводит в заблуждение, ложно или непроверяемо. Плюс сканирует hype-сигналы и оценивает, кому выгодна твоя вера в эти слова. Итоговая BS score показывает, сколько чуши в сюжете. Вторая проблема — агент не может посмотреть 27-минутное видео или пробиться через paywall. Эту задачу закрывает fetch-content — единый скрипт, который без API-ключей вытаскивает текст из YouTube-транскриптов (через yt-dlp), тиктоковских субтитров, статей, PDF и твитов. При любом сбое он честно подсказывает, что делать дальше — например, включить Whisper, если субтитров нет. Третья — чёткое разделение добычи фактов и их оценки. Скрипты забирают и нормализуют текст, а рассуждает сам агент. Благодаря этому добавление поддержки TikTok никак не трогает анализатор, и тот же детектор работает что с твитом, что с трёхчасовым подкастом.
Реальные прогоны впечатляют. На видео «14 способов заработать на AI» с 1,16 млн просмотров машина выдала BS score 5/10: из 12 утверждений подтвердились 4, два оказались правдоподобными, три вводили в заблуждение, три остались непроверяемыми. Среди находок — правдивая деталь об одном фонде, которую автор выдал за правило всех трёх, а статистика маркетплейса взята прямиком из его же пресс-релиза. Другой пример — TikTok на 552 тыс. просмотров про «скрытого близнеца Солнца» получил BS score 9/10: настоящие астрономические термины склеены с выдуманной космологией. Ради интереса проверили и README самого проекта — BS score 3/10, нашлась устаревшая цена API и «30-секундная установка», которая на деле начиналась с инсталляции пакетного менеджера.
TikTok обрабатывается так: сначала fetch-content пытается достать встроенные субтитры через yt-dlp, возвращая транскрипт с временными метками и метаданные без скачивания видео. Если субтитров нет, в дело вступает локальный прототип на mlx-whisper (модель whisper-large-v3-turbo), который декодирует аудио через PyAV, не требуя системного ffmpeg на Apple Silicon. Анализирующая часть в любом случае видит только нормализованный текст и ничего не знает об источнике.
Кроме детектора, в комплекте идут навыки summarize (сжатый пересказ с таймкодами и вердиктом «стоит ли вашего времени»), explain (объяснение от простого к сложному с глоссарием) и share — готовые посты для X, LinkedIn, Facebook, Reddit, Hacker News и рассылки, а также PNG-картинки 1080×1350 и PDF для документов LinkedIn. В планах — сравнение источников и полноценная транскрипция через Whisper. Всё создано с помощью Claude Code в открытую и лежит под лицензией MIT.