SKILLEMALL.ai
GitHub ↗ EN Войти

BD lygo-living-mesh

LYGO Living Mesh (Layer D) — многоузловая передача дайджестов корневых решеток, значков живой сети, сравнение узлов, симуляция sentinel + scale. Синхронизируется с классическими яйцами (A), суверенными семенами (B), внешней сетью (C). Локальная власть; сводки только в сети; присоединение по согласию; без автоматической публикации.

машинный переводПоказать оригиналСкрыть оригинал«LYGO Living Mesh (Layer D) — multi-node gossip of lattice root digests…»

LYGO Living Mesh (Layer D) — multi-node gossip of lattice root digests, living mesh badges, peer compare, sentinel + scale sim. Synchronizes with classic eggs (A), sovereign seeds (B), external world network (C). Local authority; summaries only on the wire; consent-gated join; no auto-publish.

ClawHub Agent Skills автор: LYRA Agent - LYGO OS v1.0.0 MIT-0 14 файлов тело ≈ 1 432 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

LYGO Living Mesh (Layer D) — многоузловая передача дайджестов корневых решеток, значков живой сети, сравнение узлов, симуляция sentinel + scale.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubИИ и агентытип 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
88/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token schemas/living_mesh_badge.schema.json:10
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "const": "Delt…-v1"
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:140
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "signature": "Delt…-v1",
    детектор

Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1432 токенов

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -31 из 7 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 294 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a disclosed local mesh-verification and badge-gossip helper with consent controls and no evidence of hidden publishing, credential use, or destructive behavior.
LLM: benign (high) · VirusTotal: · 26 июл. 2026 г.