SKILLEMALL.ai
GitHub ↗ EN Войти

BB war-room

Созывает экспертную панель из нескольких LLM для проверки сложных для реверсирования решений. Используется, когда оценка обратимости низкая и требуется враждебный обзор.

машинный переводПоказать оригиналСкрыть оригинал«Convenes a multi-LLM expert panel to pressure-test hard-to-reverse dec…»

Convenes a multi-LLM expert panel to pressure-test hard-to-reverse decisions. Use when reversibility score is low and adversarial review is warranted.

athola/claude-night-market Hermes автор: athola 7 файлов тело ≈ 4 272 токенов Открыть источникgithub.com↗ проанализирован 3 ч назад

Созывает экспертную панель из нескольких LLM для проверки сложных для реверсирования решений.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, повторный запуск

ИнтеграцияGitHubИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Hermes Agent
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
81
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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 · 19

✓ Критических и высоких находок нет

Средние и низкие: 19
  • низкая Рискованное назначение intent-offensive-security modules/deliberation-protocol.md:49
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | Phase 4: Red Team |  <-- Red Team Commander
  • низкая Рискованное назначение intent-offensive-security modules/deliberation-protocol.md:222
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    ### Phase 4: Red Team and Wargaming
  • низкая Рискованное назначение intent-offensive-security modules/deliberation-protocol.md:226
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    **Expert**: Red Team Commander (Gemini Flash)
  • низкая Рискованное назначение intent-offensive-security modules/deliberation-protocol.md:251
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - All COAs with Red Team challenges
  • низкая Рискованное назначение intent-offensive-security modules/deliberation-protocol.md:308
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Experts revise positions based on Red Team feedback
  • низкая Рискованное назначение intent-offensive-security modules/discussion-publishing.md:114
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | Red Team | ... | ... |
  • низкая Рискованное назначение intent-offensive-security modules/discussion-publishing.md:128
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    4. **Red Team Challenges**: key challenges and responses (Phase 4)
  • низкая Рискованное назначение intent-offensive-security modules/discussion-publishing.md:131
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    > Phases 5-6 (War Game execution and Decision Briefing) are internal deliberation artifacts that don't warrant separate comments. Their outputs are incorporated into the Red Team Challenges and Suprem
    в кавычках
  • низкая Рискованное назначение intent-offensive-security modules/expert-roles.md:70
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    "role": "Red Team Commander",
    в кавычках
  • низкая Рискованное назначение intent-offensive-security modules/expert-roles.md:205
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | Red Team | Red Team Commander | - |
  • низкая Рискованное назначение intent-offensive-security modules/expert-roles.md:257
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - **Sonnet** for Strategist, Intel, Tactician, Red Team: strong reasoning at moderate cost
  • низкая Рискованное назначение intent-offensive-security modules/merkle-dag.md:44
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    expert_role: str  # "Intelligence Officer", "Red Team", etc.
    в кавычках
  • низкая Рискованное назначение intent-offensive-security modules/merkle-dag.md:234
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    # Present to Red Team anonymized
  • низкая Рискованное назначение intent-offensive-security modules/reversibility-assessment.md:142
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    *Recommendation*: Convene full council. Extensive Red Team review required.
  • низкая Рискованное назначение intent-offensive-security SKILL.md:81
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | Red Team | Gemini Flash | Adversarial challenge, failure modes |
  • низкая Рискованное назначение intent-offensive-security SKILL.md:92
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    | Red Team Commander | Gemini Flash | Adversarial challenge |
  • низкая Рискованное назначение intent-offensive-security SKILL.md:107
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Phase 4: Red Team Review (all COAs)
  • низкая Рискованное назначение intent-offensive-security SKILL.md:305
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    - Red Team challenges
  • низкая Рискованное назначение intent-offensive-security SKILL.md:431
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    4. **Phase 4 (Red Team)**: Red-team teammate receives all COAs, posts challenges; other teammates can **respond to challenges in real-time**

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 150 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • заметка frontmatter-key неизвестное поле фронтматтера "alwaysApply"
  • заметка frontmatter-key неизвестное поле фронтматтера "complexity"
  • заметка frontmatter-key неизвестное поле фронтматтера "model_hint"
  • заметка frontmatter-key неизвестное поле фронтматтера "estimated_tokens"
  • заметка frontmatter-key неизвестное поле фронтматтера "progressive_loading"
  • заметка frontmatter-key неизвестное поле фронтматтера "modules"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "role"

Процессный рейтинг: все десять параметров 65/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 16, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 4272 токенов
  • 85Шаги. Шагов: 85, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
  • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

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 150 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 49 заголовков
  • +3Пошаговые инструкции: 85 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (15 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.