SKILLEMALL.ai
GitHub ↗ EN Войти

AB mumo

Запускает многомодельную дискуссию между моделями из разных лабораторий (Claude, GPT, Gemini, Grok, DeepSeek, Kimi и др.) через сервер MCP mumo, возвращая полные ответы плюс типизированные межмодельные реакции. Используйте, когда нужны независимые точки зрения при принятии решений по архитектуре/продукту, обзоре дизайна и плана перед реализацией, предстартовых стресс-тестах, компромиссах с множеством обоснованных подходов или по явным запросам пользователя на панель mumo. Особенно ценно для предреализационного обзора всего, что касается аутентификации, безопасности, токенов, платежей, раскрытия данных или миграций. Требуется ключ API платформы mumo (mmo_live_*) зарегистрированный с помощью `openclaw mcp set mumo`.

машинный переводПоказать оригиналСкрыть оригинал«Runs a multi-model deliberation across models from different labs (Cla…»

Runs a multi-model deliberation across models from different labs (Claude, GPT, Gemini, Grok, DeepSeek, Kimi, and more) via mumo's MCP server, returning full responses plus typed cross-model reactions. Use when independent perspectives are needed on architecture/product decisions, design and plan review before implementation, pre-launch pressure tests, tradeoffs with multiple defensible framings, or explicit user requests for a mumo panel. Especially valuable for pre-implementation review of anything touching auth, security, tokens, payments, data exposure, or migrations. Requires a mumo platform API key (mmo_live_*) registered with `openclaw mcp set mumo`.

ClawHub Agent Skills автор: Eric H v0.6.2 MIT-0 15 файлов тело ≈ 4 192 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Запускает многомодельную дискуссию между моделями из разных лабораторий (Claude, GPT, Gemini, Grok, DeepSeek, Kimi и др.) через сервер MCP mumo, возвращая…

Как процесс B 77/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия

ИнтеграцияИИ 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
77/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
30
Стоимость исполнения вес 6
70
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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Рискованное назначение intent-offensive-security playbooks/red-team.md:1
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      # Red Team
    • низкая Рискованное назначение intent-offensive-security playbooks/red-team.md:15
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Red team rounds produce two kinds of findings:
    • низкая Рискованное назначение intent-offensive-security README.md:69
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      Either way, the skill ships the canonical `SKILL.md`, four cognitive-shape playbooks (contested decision, design review, uncertainty expansion, red team), and reference docs for claim-map reading, sni

    Просканировано файлов: 15. 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 77/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 70Стоимость исполнения. Тело инструкции 4192 токенов
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 47
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 8, 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
    • 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 665 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 21 заголовков
    • +3Пошаговые инструкции: 47 пунктов
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)

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

    Внешние проверки

    ClawHub: suspicious
    The skill is coherent and not malicious, but it asks agents to send potentially sensitive design and security material to an external multi-model service without enough built-in consent, redaction, or sharing guardrails.
    LLM: suspicious (medium) · VirusTotal: · 9 сент. 2026 г.