SKILLEMALL.ai
GitHub ↗ EN Войти

BD li-feishu-audio

Навык голосового взаимодействия Feishu. Поддерживает автоматическое распознавание голосовых сообщений, обработку ИИ и полный цикл голосовых ответов. Требует настройки переменных окружения FEISHU_APP_ID и FEISHU_APP_SECRET. Использует faster-whisper для распознавания речи, Edge TTS для синтеза речи, автоматически преобразует формат OPUS и отправляет через Feishu. Применим для сценариев голосового диалога на платформе Feishu.

машинный переводПоказать оригиналСкрыть оригинал«飞书语音交互技能。支持语音消息自动识别、AI 处理、语音回复全流程。需要配置 FEISHU_APP_ID 和 FEISHU_APP_SECR…»

飞书语音交互技能。支持语音消息自动识别、AI 处理、语音回复全流程。需要配置 FEISHU_APP_ID 和 FEISHU_APP_SECRET 环境变量。使用 faster-whisper 进行语音识别，Edge TTS 进行语音合成，自动转换 OPUS 格式并通过飞书发送。适用于飞书平台的语音对话场景。

ClawHub Agent Skills автор: Terry S Fisher v0.1.3 MIT-0 14 файлов · 5 скриптов тело ≈ 1 426 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык голосового взаимодействия Feishu.

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

ПроцедураИнфраструктуратип 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
81/100
безопасность, качество, тесты
Безопасность 60%
87
Качество 40%
73
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

Такой же скилл встречается ещё в 1 месте: ClawHub

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 · 9

✓ Критических и высоких находок нет

Средние и низкие: 9
  • средняя Утечка данных net-credential-use scripts/feishu-tts.sh:72
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    ACCESS_TOKEN=$(curl -s -X POST "$TOKEN_URL" \
  • низкая Утечка данных read-dotenv README_EN.md:66
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv README_EN.md:76
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv README.md:66
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv README.md:76
    Чтение файла .env
    source .env
  • низкая Опасные команды cmd-pipe-to-shell-known-host scripts/install.sh:39
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (строковый литерал в коде, не выполняется)
    echo "   安装：curl -LsSf https://astral.sh/uv/install.sh | sh"
    строка в коде
  • низкая Утечка данных read-dotenv scripts/install.sh:181
    Чтение файла .env (определение детектора / чёрного списка)
    echo "     source .env"
    детектор
  • низкая Утечка данных read-dotenv SECURITY.md:34
    Чтение файла .env (документация security-скилла)
    cp .env.example .env
    security-скилл
  • низкая Утечка данных read-dotenv SECURITY.md:40
    Чтение файла .env (документация security-скилла)
    source .env
    security-скилл

Просканировано файлов: 14. 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: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 57
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1426 токенов
  • low Разделов верхнего уровня: 14. 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
  • -217 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 154 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 46 заголовков
  • +3Пошаговые инструкции: 57 пунктов
  • +4Есть примеры (21 блоков кода)
  • +3Все 5 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
This Feishu voice assistant mostly matches its purpose, but it handles credentials and user message content with enough unsafe logging, disclosure, and cleanup behavior that users should review it before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.