SKILLEMALL.ai

DC wikisage

Постоянная вики LLM в стиле Карпатого. Используйте, когда: (1) пользователь говорит «добавить в вики/ingest/摄入», (2) пользователь говорит «проверить вики/wiki里有没有», (3) пользователь говорит «отсортировать вики/lint», (4) отвечаете на вопросы, которые сначала должны проверить долговременные локальные знания. Также используйте после ответа на ценные технические вопросы, чтобы спросить, хочет ли пользователь сохранить информацию в вики.

машинный переводПоказать оригиналСкрыть оригинал«A Karpathy-style persistent LLM wiki. Use when: (1) user says '加进wiki/…»

A Karpathy-style persistent LLM wiki. Use when: (1) user says '加进wiki/ingest/摄入', (2) user says '查wiki/wiki里有没有', (3) user says '整理wiki/lint', (4) answering questions that should check long-lived local knowledge first. Also use after answering valuable technical questions to ask if user wants to save to wiki.

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка D
ClawHub Agent Skills автор: HarryZhu v1.0.0 MIT-0 9 файлов тело ≈ 1 067 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Постоянная вики LLM в стиле Карпатого.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
59/100
безопасность, качество, тесты
Безопасность 60%
45
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Утечка данных
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.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 4

  • высокая Утечка данных exfil-webhook-url README.md:242
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес)
    --data '{"text":"{}"}' https://hooks.slack.com/services/XXX/YYY/ZZZ
  • высокая Утечка данных exfil-webhook-url README.md:251
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес)
    --data '{"content":"{}"}' https://discord.com/api/webhooks/XXX/YYY
  • высокая Опасные команды cmd-persistence README.md:267
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    Register-ScheduledTask -TaskName "wikisage-weekly-lint" `
Средние и низкие: 1
  • низкая Утечка данных exfil-webhook-url scripts/lint.py:25
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
    python3 lint.py --summary | curl -X POST -d @- https://hooks.slack.com/services/...
    заглушка

Просканировано файлов: 9. 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 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 14
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1067 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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
  • -31 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 310 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
Wikisage is a disclosed agent-maintained local wiki skill with expected file writes and persistence, though users should treat the wiki and optional cloud embedding features as sensitive.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.