BD wechat-local-reader
Локальный менеджер WeChat: локально считывает зашифрованную базу данных WeChat, к которой вы подключены на своем настольном компьютере (Windows/macOS/Linux), автоматически обезличивает данные (номер телефона/удостоверение личности/банковская карта/электронная почта) и генерирует ежедневный рабочий отчет, отправляя его по электронной почте/в робота WeChat/на любой HTTP-порт. Весь процесс без загрузки, конфиденциальность остается на вашем компьютере. Используется, когда пользователь хочет «чтобы ИИ автоматически разбирал сообщения и рабочие группы в WeChat», «ежедневно резюмировал содержание WeChat и отправлял его», «подключил историю чатов WeChat к автоматизации и обезличил ее». Примечание: только для данных вашего собственного локального WeChat; не поддерживается на мобильных устройствах, таких как телефоны/планшеты/Harmony.
машинный переводПоказать оригиналСкрыть оригинал«微信本地管家：在桌面电脑（Windows/macOS/Linux）本地读取你本人本机登录的微信加密数据库，自动脱敏（手机号/身份证/银行卡/…»
微信本地管家：在桌面电脑（Windows/macOS/Linux）本地读取你本人本机登录的微信加密数据库，自动脱敏（手机号/身份证/银行卡/邮箱）并生成每日工作简报，推送至邮箱/企业微信机器人/任意 HTTP 端口。全程零上传，隐私不出本机。当用户想"让 AI 自动梳理微信里的消息和工作群""每天总结微信内容并推送""把微信聊天记录接入自动化并脱敏"时使用。注意：仅限本人本机微信数据；不支持手机/平板/鸿蒙等移动端。
Локальный менеджер WeChat: локально считывает зашифрованную базу данных WeChat, к которой вы подключены на своем настольном компьютере (Windows/macOS/Linux)…
Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 39. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "disable"
Процессный рейтинг: все десять параметров 39/100
- 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: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (wechat-local-reader) не совпадает с папкой (wechat-local-reader-publish)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 39
- 100Стоимость исполнения. Тело инструкции 2719 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +3Длина description 210 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 39 пунктов
- +4Есть примеры (10 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.