SKILLEMALL.ai
GitHub ↗ EN Войти

AC desktop-agent-ops

Выполняйте кроссплатформенные настольные задачи с помощью упакованного навыка автоматизации рабочего стола, который направляет основного агента для наблюдения за экраном, фокусировки на приложениях и окнах, вызова вспомогательных скриптов для снимков экрана и действий ввода, проверки каждого шага, очистки контекста задачи и эскалации до многоагентного сотрудничества только тогда, когда задачи становятся явно многооконными или многоприложными. Используйте, когда пользователь хочет управлять графическим интерфейсом рабочего стола, работать с нативными приложениями, фокусировать окна, делать снимки экрана, выполнять потоки кликов и ввода или кроссплатформенные рабочие процессы на macOS, Windows или Linux.

машинный переводПоказать оригиналСкрыть оригинал«Execute cross-platform desktop tasks through a packaged desktop automa…»

Execute cross-platform desktop tasks through a packaged desktop automation skill that guides the main agent to observe the screen, focus apps and windows, call helper scripts for screenshots and input actions, verify each step, clean up task context, and only escalate to multi-agent collaboration when tasks become clearly multi-window or multi-app. Use when the user wants desktop GUI control, native app operation, window focus, screenshots, click and type flows, or cross-platform desktop workflows on macOS, Windows, or Linux.

ClawHub Agent Skills автор: TRIP v1.0.3 MIT-0 40 файлов тело ≈ 4 319 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Выполняйте кроссплатформенные настольные задачи с помощью упакованного навыка автоматизации рабочего стола, который направляет основного агента для наблюдения…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ПроцедураИИ и агентытип 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
93/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Опасные команды cmd-pipe-to-shell-known-host scripts/first_run_setup.py:635
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (строковый литерал в коде, не выполняется)
      steps.append("Install uv (curl -LsSf https://astral.sh/uv/install.sh | sh) then re-run")
      строка в коде

    Просканировано файлов: 40. 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 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Стоимость исполнения. Тело инструкции 4319 токенов
    • 85Шаги. Шагов: 53, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. 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
    • -311 из 18 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 531 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 37 заголовков
    • +3Пошаговые инструкции: 53 пунктов
    • +4Есть примеры (18 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (15 из 19)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    This is a coherent desktop automation skill, but it needs Review because it can automatically set up dependencies and then control the user's live desktop with broad, implicit authority.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.