SKILLEMALL.ai

AB huawei-cloud-mrs-host-alarm-diagnose

Навык диагностики алармов кластера Huawei Cloud MRS. Анализирует первопричину аларма MRS на основе предоставленной пользователем информации об аларме (ID аларма, имя аларма, детали аларма, время возникновения, IP узла, связанная служба и журналы), затем выводит первопричину, шаги по устранению и метод проверки. Диагностика осуществляется с помощью встроенного клиента API LakeWatch и базы знаний по каждому аларму в разделе alarms/. Команды вне базы знаний не генерируются. Применимо к сценариям диагностики алармов MRS и локализации первопричин, когда предоставлен ID аларма. Ключевые слова: "告警诊断", "告警定位", "alarm diagnosis", "alarm diagnose", "MRS告警", "告警原因", "告警ID", "alarm ID", "root cause"

машинный переводПоказать оригиналСкрыть оригинал«Huawei Cloud MRS cluster alarm diagnosis skill. Analyzes the root caus…»

Huawei Cloud MRS cluster alarm diagnosis skill. Analyzes the root cause of an MRS alarm based on user-provided alarm information (alarm ID, alarm name, alarm details, occurrence time, node IP, related service and logs), then outputs the root cause, repair steps, and verification method. Diagnosis is driven by the built-in LakeWatch API client and the per-alarm knowledge base under alarms/. No commands outside the knowledge base are fabricated. Applicable to MRS alarm diagnosis and root cause localization scenarios where an alarm ID is provided. Trigger words: "告警诊断", "告警定位", "alarm diagnosis", "alarm diagnose", "MRS告警", "告警原因", "告警ID", "alarm ID", "root cause"

ClawHub Agent Skills автор: huaweicloud-skills-team v1.0.0 MIT-0 28 файлов тело ≈ 3 854 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык диагностики алармов кластера Huawei Cloud MRS.

Как процесс B 78/100 · Почти готов — слабые места: когда включается, повторный запуск

АнализаторРазработкаБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
96
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Когда включается вес 12
20
Повторный запуск вес 4
30
Ошибки и развилки вес 10
55
три самых слабых из десяти параметров · все десять

Чем это грозит

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

Широкие права средняя серьёзность

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

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
      Заранее разрешены широкие инструменты: bash
      allowed-tools: bash
    • низкая Опасные команды cmd-cron-mention alarms/12016.md:442
      Упоминание редактирования crontab (в кавычках — упоминание, а не команда)
      - Scheduled script investigation: `crontab -l` to view the omm user's scheduled tasks, confirm whether abnormal scripts are executing
      в кавычках

    Просканировано файлов: 28. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "trigger"
    • заметка frontmatter-key неизвестное поле фронтматтера "input_schema"
    • заметка frontmatter-key неизвестное поле фронтматтера "output_schema"

    Процессный рейтинг: все десять параметров 78/100

    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 85Шаги. Шагов: 42, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3854 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (3 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 668 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 42 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.

    Внешние проверки

    ClawHub: suspicious
    This is a mostly coherent MRS alarm-diagnosis skill, but it exposes overly broad authenticated Manager API proxy access and risky operational guidance that should be reviewed before installation.
    LLM: suspicious (high) · 18 авг. 2026 г.