SKILLEMALL.ai
GitHub ↗ EN Войти

BD codex-agent-enhanced

Управление полным комплектом OpenAI Codex CLI в качестве менеджера проекта. Включает: обслуживание базы знаний (автоматическое отслеживание новейших функций Codex), выполнение задач (проектирование промптов → выполнение → мониторинг → проверка качества → итерация → отчетность), управление конфигурацией (флаги функций/модели/навыки/MCP). Управление интерактивным TUI через tmux, асинхронное пробуждение через хуки notify + монитор панелей. НЕ для: простого редактирования в одну строку (используйте edit), чтения файлов (используйте read), быстрого ответа на вопросы (отвечайте напрямую).

машинный переводПоказать оригиналСкрыть оригинал«作为项目经理操作 OpenAI Codex CLI 完全体。包含：知识库维护（自动跟踪 Codex 最新功能）、任务执行（提示词设计→执行→…»

作为项目经理操作 OpenAI Codex CLI 完全体。包含：知识库维护（自动跟踪 Codex 最新功能）、任务执行（提示词设计→执行→监控→质量检查→迭代→汇报）、配置管理（feature flags/模型/skills/MCP）。通过 tmux 操作交互式 TUI，通过 notify hooks + pane monitor 实现异步唤醒。NOT for: 简单单行编辑（用 edit）、读文件（用 read）、快速问答（直接回答）。

ClawHub Agent Skills автор: geq1fan v1.0.0-enhanced 25 файлов · 1 скрипт тело ≈ 2 447 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Управление полным комплектом OpenAI Codex CLI в качестве менеджера проекта.

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ИнтеграцияРазработкаИИ 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
80/100
безопасность, качество, тесты
Безопасность 60%
88
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
47/100
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 · 12

✓ Критических и высоких находок нет

Средние и низкие: 12
  • низкая Утечка данных read-dotenv docs/CONFIG_TEMPLATE.md:220
    Чтение файла .env
    source .env  # 加载项目 A 的配置
  • низкая Утечка данных read-dotenv docs/CONFIG_TEMPLATE.md:225
    Чтение файла .env
    source .env  # 加载项目 B 的配置
  • низкая Утечка данных read-dotenv docs/CONFIG_TEMPLATE.md:245
    Чтение файла .env (определение детектора / чёрного списка)
    - `source .env` 在 `codex exec` 前执行
    детектор
  • низкая Утечка данных read-dotenv docs/ENHANCEMENTS.md:36
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv docs/ENHANCEMENTS.md:42
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv docs/ENHANCEMENTS.md:98
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv docs/ENHANCEMENTS.md:114
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv docs/ENHANCEMENTS.md:157
    Чтение файла .env
    cat .env  # 检查配置是否正确
  • низкая Утечка данных read-dotenv README.md:268
    Чтение файла .env (определение детектора / чёрного списка)
    3. 执行 `source .env`
    детектор
  • низкая Утечка данных read-dotenv SKILL.md:98
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv SKILL.md:127
    Чтение файла .env
    cd /path/to/project-a && source .env && codex exec ...
  • низкая Утечка данных read-dotenv SKILL.md:130
    Чтение файла .env
    cd /path/to/project-b && source .env && codex exec ...

Просканировано файлов: 25. 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 47/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash, git), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 68
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2447 токенов
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 222 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 39 заголовков
  • +3Пошаговые инструкции: 68 пунктов
  • +4Есть примеры (22 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This skill is a disclosed Codex automation tool, but it can persistently run hooks and send Codex outputs to Telegram, with risky default routing values.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.