SKILLEMALL.ai

BC sql-linker

Используйте этот навык, чтобы запрашивать, вставлять, обновлять или удалять записи в настроенной базе данных MySQL/PostgreSQL/SQLite, если вы знаете название целевой таблицы и примерную схему. Триггеры включают: (1) явный запрос SELECT/INSERT/UPDATE/DELETE для именованной таблицы; (2) запрос конкретной записи по ID или с определенным фильтром; (3) запрос на проверку журнала аудита для sql_audit_log; (4) явный запрос на загрузку или проверку конфигурации sql-linker. НЕ активируйте навык при общих запросах "database", "查数据库", "SQL" или "CRUD" без указания конкретной таблицы или намерения.

машинный переводПоказать оригиналСкрыть оригинал«Use this skill when you need to query, insert, update, or delete recor…»

Use this skill when you need to query, insert, update, or delete records in the configured MySQL/PostgreSQL/SQLite database and you know the target table name and approximate schema. Triggers include: (1) explicitly requesting a SELECT/INSERT/UPDATE/DELETE on a named table; (2) asking for a specific record by ID or a specific filter; (3) requesting audit log review for sql_audit_log; (4) explicitly asking to bootstrap or inspect the sql-linker configuration. Do NOT trigger on generic "database", "查数据库", "SQL", or "CRUD" without a specific target table or intent.

ClawHub Agent Skills автор: CoderHanS v1.3.2 MIT-0 5 файлов тело ≈ 12 443 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используйте этот навык, чтобы запрашивать, вставлять, обновлять или удалять записи в настроенной базе данных MySQL/PostgreSQL/SQLite, если вы знаете название…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения

АнализаторPostgreSQLMySQLИнфраструктураБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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
  • низкая Утечка данных net-credential-use scripts/service_layer/db_bridge.py:92
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    if ($Confirm -eq $Password) { break }
    в кавычках
  • низкая Утечка данных net-credential-use scripts/service_layer/db_bridge.py:193
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    if [ "$CONFIRM" = "$PASSWORD" ]; then
    в кавычках
  • низкая Опасные команды cmd-shell-rc scripts/service_layer/db_bridge.py:239
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (строковый литерал в коде, не выполняется)
    echo "Error: Could not find ~/.bashrc or ~/.zshrc" >&2
    строка в коде

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Unexpected scalar at node end at line 3, column 505: …figuration. Do NOT trigger on generic "database", "查数据库", "SQL", or "CRUD" wit… ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение body-long тело SKILL.md ≈ 12443 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "requires"

Процессный рейтинг: все десять параметров 61/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 40Стоимость исполнения. Тело инструкции 12443 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 141
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 20. 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
  • -232 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 568 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 101 заголовков
  • +3Пошаговые инструкции: 141 пунктов
  • +4Есть примеры (36 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: clean
This database skill has sensitive but disclosed database and credential behavior, with no evidence of hidden execution or exfiltration.
LLM: benign (high) · VirusTotal: · 27 июн. 2026 г.