BC feishu-group-learning
Автоматический анализ сообщений в группах Feishu, извлечение учебных моментов и предложений по развитию. Автоматически запускается каждые 6 часов, поддерживает мониторинг нескольких групп, извлечение ключевых слов, генерацию учебных предложений.
машинный переводПоказать оригиналСкрыть оригинал«自动分析飞书群消息，提取学习点和进化建议。 每6小时自动运行，支持多群监控、关键词提取、学习建议生成。…»
自动分析飞书群消息，提取学习点和进化建议。 每6小时自动运行，支持多群监控、关键词提取、学习建议生成。
Автоматический анализ сообщений в группах Feishu, извлечение учебных моментов и предложений по развитию.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
В файлах лежит чужой ключ или токен. Если он живой, ваш агент начнёт ходить в чужие сервисы от чужого имени; если ключ уже отозван, скрипты скилла просто сломаются. Такой ключ мог попасть в скилл вместе с целым рабочим пространством автора, включая личные данные.
Ключ виден всем, кто скачал скилл, и уже мог быть скопирован ботами, которые сканируют каталоги. Отзовите его сейчас, проверьте счета и логи доступа, а потом перевыпустите.
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 Секреты в коде
secret-labelled-tokengroup_learning.py:8Токен / ключ рядом с меткой (формат неизвестен — проверьте, что это не живой секрет)APP_SECRET = "WFsY…8Sp"
-
низкая Секреты в коде
secret-high-entropy-tokenanalyze.sh:5Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)-d '{"app_id":"cli_…bd6","app_secret":"WFsY…8Sp"}' | python3 -c "import sys,json; print(json.load(sys.stdin).get('tenant_access_token',''))")в кавычках -
низкая Секреты в коде
secret-high-entropy-tokengroup_learning.py:8Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)APP_SECRET = "WFsY…8Sp"
в кавычках
Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 4
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 106 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Длина description 51: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 4 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.