SKILLEMALL.ai
GitHub ↗ EN Войти

FB github-integration

(описание отсутствует)

ClawHub Agent Skills автор: gaoLfun v1.0.0 MIT-0 2 файла тело ≈ 6 828 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

- "create a GitHub issue" - "open an issue on"

Как процесс B 65/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу

ИнтеграцияGitHubVS CodeРазработкатип 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
F
42/100
безопасность, качество, тесты
Безопасность 60%
70
Качество 40%
0
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Когда включается вес 12
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Добавьте description во фронтматтер: без него скилл никогда не сработает.
  2. 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 · 6

✓ Критических и высоких находок нет

Средние и низкие: 6
  • средняя Утечка данных exfil-read-secret-files SKILL.md:74
    Чтение файлов с учётными данными / секретами (в кавычках — упоминание, а не команда)
    GH_TOKEN="$(cat ~/.config/openclaw/github_token)"
    в кавычках
  • средняя Утечка данных exfil-read-secret-files SKILL.md:288
    Чтение файлов с учётными данными / секретами (определение детектора / чёрного списка)
    GH_TOKEN="$(cat ~/.config/openclaw/github_token)"
    детектор
  • средняя Утечка данных exfil-read-secret-files SKILL.md:753
    Чтение файлов с учётными данными / секретами (в кавычках — упоминание, а не команда)
    GH_TOKEN="$(cat ~/.config/openclaw/github_token)"
    в кавычках
  • средняя Утечка данных exfil-read-secret-files SKILL.md:788
    Чтение файлов с учётными данными / секретами (в кавычках — упоминание, а не команда)
    GH_TOKEN="$(cat ~/.config/openclaw/github_token)"
    в кавычках
  • средняя Утечка данных exfil-read-secret-files SKILL.md:807
    Чтение файлов с учётными данными / секретами (в кавычках — упоминание, а не команда)
    GH_TOKEN="$(cat ~/.config/openclaw/github_token)"
    в кавычках
  • средняя Утечка данных net-credential-use SKILL.md:916
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -H "Authorization: Bearer ${GH_TOKEN}" \

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка frontmatter SKILL.md: no YAML frontmatter block found
  • ошибка name-missing SKILL.md: нет поля name во фронтматтере
  • ошибка description-missing SKILL.md: нет description — скилл никогда не сработает
  • предупреждение body-long тело SKILL.md ≈ 6828 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 537, 538): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 65/100

  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 35, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6828 токенов
  • 100Шаги. Шагов: 91
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 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)
  • +3Длина description 0: рекомендуется 120–800 символов
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 78 заголовков
  • +3Пошаговые инструкции: 91 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (70 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 0.

Внешние проверки

ClawHub: suspicious
This GitHub skill is coherent and not deceptive, but it gives an agent direct token-backed power to merge PRs, edit or delete files, and change issues without clear confirmation safeguards.
LLM: suspicious (medium) · VirusTotal: · 4 июл. 2026 г.