SKILLEMALL.ai
GitHub ↗ EN Войти

AC adversarial-code-review

Многосторонний анализ кода с использованием изолированных рабочих областей Git. Два рецензента (Архитектор + Инспектор), перекрестная проверка и сводный отчет. Синтез является окончательным арбитром — его вердикт имеет приоритет над результатами отдельных рецензентов.

машинный переводПоказать оригиналСкрыть оригинал«Multi-perspective adversarial code review with git-isolated worktrees.…»

Multi-perspective adversarial code review with git-isolated worktrees. Two reviewers (Architect + Inspector), cross-validation, and synthesis report. The synthesis is the final arbiter — its verdict takes priority over individual reviewer outputs.

ClawHub Agent Skills автор: chpomob v0.1.0 MIT-0 36 файлов · 1 скрипт тело ≈ 3 546 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Многосторонний анализ кода с использованием изолированных рабочих областей Git.

Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

АнализаторЛичная продуктивностьтип 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
91/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

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

Опасные команды средняя серьёзность

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

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

    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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • средняя Опасные команды cmd-pipe-to-shell-known-host SKILL.md:25
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
      curl -fsSL https://raw.githubusercontent.com/chpomob/adversarial-code-review/main/scripts/install.sh | bash
    • низкая Опасные команды cmd-eval-dynamic references/codex-claude-hardware-review.md:61
      Динамическое выполнение кода из декодированного/недоверенного ввода (в кавычках — упоминание, а не команда)
      python3 -c "exec(open('scripts/adversarial_review.py').read().split('if __name__')[0]); import os; f=_list_tree('.'); print(f'{len(f)} files, {sum(os.path.getsize(p) for p in f):,} chars')"
      в кавычках
    • низкая Опасные команды cmd-pipe-to-shell-known-host scripts/install.sh:4
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код) (комментарий в коде)
      #   Bootstrap (from anywhere):  curl -fsSL https://raw.githubusercontent.com/chpomob/adversarial-code-review/main/scripts/install.sh | bash
      комментарий

    Просканировано файлов: 29. 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 52/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (adversarial-code-review) не совпадает с папкой (adversarial-code-review-2)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 36, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 3546 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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)
    • -31 из 3 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 247 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 36 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 22)
    • +1Лицензия указана

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

    Внешние проверки

    ClawHub: suspicious
    The core code-review workflow is coherent, but the skill includes under-scoped high-impact install, sandbox-bypass, and credentialed quota-checking behavior that users should review carefully before installing.
    LLM: suspicious (high) · 3 авг. 2026 г.