SKILLEMALL.ai
GitHub ↗ EN Войти

CD WhatsApp Business Suite — AI Leads, Channels, Campaigns & 32 MCP Tools

Автоматизируйте WhatsApp в больших масштабах — собирайте лиды из групп с помощью ИИ, транслируйте подписчикам канала, массово отправляйте сообщения с задержками, безопасными от бана, планируйте кампании, отвечайте автоматически вашим голосом, собирайте отзывы и отслеживайте доставку. Более 90 REST-эндпоинтов, 32 инструмента MCP для Claude и GPT, Python SDK. Meta Business API не требуется. Есть бесплатный тариф.

машинный переводПоказать оригиналСкрыть оригинал«Automate WhatsApp at scale — mine leads from groups with AI, broadcast…»

Automate WhatsApp at scale — mine leads from groups with AI, broadcast to channel followers, bulk message with ban-safe delays, schedule campaigns, auto-reply in your voice, collect reviews, and track delivery. 90+ REST endpoints, 32 MCP tools for Claude & GPT, Python SDK. No Meta Business API required. Free tier available.

LeoYeAI/openclaw-master-skills Claude Code автор: LeoYeAI MIT 4 файла тело ≈ 4 824 токенов Открыть источникgithub.com↗ проанализирован 29 ч назад

Автоматизируйте WhatsApp в больших масштабах — собирайте лиды из групп с помощью ИИ, транслируйте подписчикам канала, массово отправляйте сообщения с…

Как процесс D 40/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ИнтеграцияWhatsAppZapierGitHubИИ и агентыМаркетингтип 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
C
63/100
безопасность, качество, тесты
Безопасность 60%
73
Качество 40%
49
Прогон на моделях
не было
Процессный рейтинг
D
40/100
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

Такой же скилл встречается ещё в 2 местах: openclaw-master-skills, openclaw-master-skills

Чем это грозит

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

Утечка данных средняя серьёзность

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

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 7

✓ Критических и высоких находок нет

Средние и низкие: 7
  • средняя Утечка данных net-credential-use SKILL.md:103
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "X-API-Key: $MOLTFLOW_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:113
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "X-API-Key: $MOLTFLOW_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:123
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "X-API-Key: $MOLTFLOW_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:133
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST -H "X-API-Key: $MOLTFLOW_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:146
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST -H "X-API-Key: $MOLTFLOW_API_KEY" \
  • низкая Секреты в коде secret-high-entropy-token integrations.md:156
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    - **On-chain**: Query ERC-8004 Identity Registry at `0x80…432`
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:322
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | Registry | `0x80…432` |
    таблица

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка name-long name длиннее 64 символов
  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "source"
  • заметка frontmatter-key неизвестное поле фронтматтера "risk"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "requiredEnv"
  • заметка frontmatter-key неизвестное поле фронтматтера "primaryEnv"

Процессный рейтинг: все десять параметров 40/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 20, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (WhatsApp Business Suite — AI Leads, Channels, Campaigns & 32 MCP Tools) не совпадает с папкой (whatsapp-automation-suite)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 4824 токенов
  • 100Шаги. Шагов: 67
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 325 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 67 пунктов
  • +4Есть примеры (19 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 49.