SKILLEMALL.ai
GitHub ↗ EN Войти

BD token-stats-skill

Запись и анализ использования локальных токенов из Codex, Claude Code, OpenClaw, Hermes Agent, OpenCode, DeepSeek Harness, WorkBuddy и WorkBuddy AI с помощью CLI-инструмента token-stats. Используется для диагностики исходного кода, ежедневных снимков, отчетов за исторический период, разбивки по агентам/моделям/сессиям или периодического локального сбора данных с помощью launchd или cron. Отчеты отражают доступные локальные счетчики использования, а не выставляемые счета.

машинный переводПоказать оригиналСкрыть оригинал«Record and analyze local token usage from Codex, Claude Code, OpenClaw…»

Record and analyze local token usage from Codex, Claude Code, OpenClaw, Hermes Agent, OpenCode, DeepSeek Harness, WorkBuddy, and WorkBuddy AI with the published token-stats CLI. Use for source diagnostics, daily snapshots, historical date-range reports, agent/model/session breakdowns, or periodic local collection with launchd or cron. Reports reflect available local usage counters, not billing charges.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: baijian v0.0.2 MIT-0 6 файлов · 2 скрипта тело ≈ 1 834 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Запись и анализ использования локальных токенов из Codex, Claude Code, OpenClaw, Hermes Agent, OpenCode, DeepSeek Harness, WorkBuddy и WorkBuddy AI с помощью…

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubИИ и агентыРазработкаДанные и аналитикатип 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
82/100
безопасность, качество, тесты
Безопасность 60%
77
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
D
45/100
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

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 2

  • высокая Опасные команды cmd-persistence scripts/install-launchd-token-recorder.sh:230
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    launchctl bootstrap "gui/$uid" "$plist_path"
Средние и низкие: 1
  • средняя Опасные команды cmd-persistence references/token-recording.md:120
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (в кавычках — упоминание, а не команда)
    launchctl bootout "gui/$(id -u)" "$HOME/Library/LaunchAgents/com.baijian.ai-token-ayalysis.plist"
    в кавычках

Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"

Процессный рейтинг: все десять параметров 45/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1834 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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
  • +2Инструкции на одном языке
  • +3Длина description 405 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

Внешние проверки

ClawHub: suspicious
The skill is transparent about local token analytics, but it relies on an opaque external binary that can read broad private AI session data and can install a persistent recorder.
LLM: suspicious (high) · 9 сент. 2026 г.