SKILLEMALL.ai

AC wechat-forward

По запросу пересылать текущее содержимое диалога в личный WeChat пользователя. Выполнять только при явном запросе пользователя «把这个发微信», пересылая недавнее содержимое сообщений через CLI wxclawbot в WeChat пользователя для просмотра на мобильном устройстве. Активировать ТОЛЬКО при явном запросе: 发微信, 推送到微信, 发到微信, forward to wechat, 发给我微信, 帮我把这段话发微信, 帮我把这个发微信, forward this to wechat, send to wechat, 微信转发. НЕ АКТИВИРОВАТЬ при: плановых задачах, автоматических рассылках, ежедневных сводках, уведомлениях о тревоге, любых запросах без упоминания «微信». ⚠️ КРИТИЧЕСКИ ВАЖНО: данные отправляются только в личный аккаунт WeChat пользователя, не третьим лицам. Сообщения отправляются только по явному запросу пользователя, никогда не отправляются проактивно.

машинный переводПоказать оригиналСкрыть оригинал«按需将当前对话内容转发到用户自己的微信。仅在用户明确要求"把这个发微信"时才执行, 将最近的消息内容通过 wxclawbot CLI 推送到…»

按需将当前对话内容转发到用户自己的微信。仅在用户明确要求"把这个发微信"时才执行, 将最近的消息内容通过 wxclawbot CLI 推送到用户微信,用于手机端查看。 Trigger ONLY when explicit: 发微信, 推送到微信, 发到微信, forward to wechat, 发给我微信, 帮我把这段话发微信, 帮我把这个发微信, forward this to wechat, send to wechat, 微信转发。 DO NOT TRIGGER when: 定时任务、自动推送、每日总结、告警通知、未提及"微信"的任何请求。 ⚠️ CRITICAL: 数据仅发送给用户自己的微信账号,不发送给任何第三方。 消息仅在用户明确要求时发送,绝不主动推送。

ClawHub Agent Skills автор: 99go1 v1.0.1 MIT-0 2 файла тело ≈ 398 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

По запросу пересылать текущее содержимое диалога в личный WeChat пользователя.

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
64/100
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 2. 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 64/100

    • 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
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 14
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 398 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 10. 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 339 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    The available evidence shows a coherent, disclosed skill with no artifact-backed signs of hidden collection, persistence, or unsafe automatic behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.