CD HuggingFace Papers
Получение популярных AI-статей с HuggingFace Papers, автоматический перевод аннотаций на китайский язык, генерация двуязычного отчета с анализом тенденций. Поддерживает два бэкенда перевода: DeepLX и OpenAI-совместимый LLM, с автоматическим понижением версии. Можно сохранить в файл Markdown для удобного импорта в Obsidian и другие инструменты для заметок. Сценарии использования: 1. Пользователь хочет просмотреть популярные статьи на HuggingFace. 2. Пользователь спрашивает «Какие новые AI-статьи рекомендуются?» или «Есть ли новые статьи?» 3. Пользователю необходимо быть в курсе последних исследований в определенной области. 4. Пользователю нужен обзор аннотаций и анализ тенденций AI/ML статей. **Примечания:** - Скрипт по умолчанию переводит аннотации статей на китайский язык через API DeepLX. - Заголовки статей остаются на английском языке. - **Полные аннотации должны быть сохранены**, не сокращайте и не обобщайте их самостоятельно. - Аннотации на китайском и английском языках отображаются одновременно. - Используйте параметр `--no-translate` для вывода отчета только на английском языке. - Значение `upvotes` и ссылки на статьи остаются без изменений. **Правила вывода:** - После запуска скрипта отчет будет одновременно **сохранен в локальный файл .md** (в папку `reports/` в каталоге skill). - Формат именования файла: `HuggingFace_本周热门论文_YYYY-MM-DD.md`. - После сохранения сообщите пользователю путь к файлу, чтобы его можно было поместить в Obsidian. **Рабочий процесс:** 1. Запустите `scripts/get_papers.py` для получения данных статей. 2. Запустите `scripts/generate_report.py --output reports/<имя_файла>.md` для генерации и сохранения отчета в файл. 3. Выведите содержимое отчета пользователю и сообщите путь к файлу для удобства помещения в Obsidian.
машинный переводПоказать оригиналСкрыть оригинал«获取 HuggingFace Papers 热门 AI 论文，自动翻译摘要为中文，生成带趋势分析的双语报告。 支持 DeepLX 和 Op…»
获取 HuggingFace Papers 热门 AI 论文，自动翻译摘要为中文，生成带趋势分析的双语报告。 支持 DeepLX 和 OpenAI 兼容 LLM 两种翻译后端，自动降级。可保存为 Markdown 文件，方便导入 Obsidian 等笔记工具。 使用场景: 1. 用户想查看 HuggingFace 上的热门论文 2. 用户问"最近有什么 AI 论文推荐"或"有什么新论文" 3. 用户需要了解某个领域的最新研究动态 4. 用户想要 AI/ML 论文的摘要和趋势分析 **注意事项：** - 脚本默认通过 DeepLX API 将论文摘要翻译为中文 - 论文标题保留英文原文 - **必须保留完整摘要**，不得自行缩写或概括 - 中文摘要和英文原文摘要同时显示 - 使用 `--no-translate` 参数可输出纯英文报告 - upvotes 数值和论文链接保持原样 **输出规则：** - 运行脚本后，将报告同时 **保存为本地 .md 文件**（存入 skill 目录下的 `reports/` 文件夹） - 文件命名格式：`HuggingFace_本周热门论文_YYYY-MM-DD.md` - 保存完成后，告知用户文件路径，方便放入 Obsidian **工作流程:** 1. 运行 `scripts/get_papers.py` 获取论文数据 2. 运行 `scripts/generate_report.py --output reports/<文件名>.md` 生成报告并保存到文件 3. 将报告内容输出给用户，并告知文件路径方便放入 Obsidian
Получение популярных AI-статей с HuggingFace Papers, автоматический перевод аннотаций на китайский язык, генерация двуязычного отчета с анализом тенденций.
Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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.
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.
Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
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».
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
- Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
- 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 · 4
-
высокая Широкие права
meta-requests-env-secretSKILL.md:1Скилл просит рантайм передать в его песочницу секретные переменные: OPENAI_API_KEY — OpenAI 兼容 API 密钥（使用 OpenAI 后端时必需） (особо ценные: OPENAI_API_KEY — OpenAI 兼容 API 密钥（使用 OpenAI 后端时必需）) — проверьте, что каждая нужна для заявленной задачиrequired_environment_variables: OPENAI_API_KEY — OpenAI 兼容 API 密钥（使用 OpenAI 后端时必需）
Средние и низкие: 3
-
средняя Утечка данных
net-redirectable-api-keyscripts/generate_report.py:41Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
-
низкая Утечка данных
read-dotenvREADME.md:135Чтение файла .envcp .env.example .env
-
низкая Утечка данных
read-dotenvSKILL.md:69Чтение файла .envcp .env.example .env
Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "required_environment_variables"
Процессный рейтинг: все десять параметров 41/100
- 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
- 40Согласованность. Имя во frontmatter (HuggingFace Papers) не совпадает с папкой (hf-paper-skill)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 16
- 100Стоимость исполнения. Тело инструкции 538 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +3Длина description 698 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 16 пунктов
- +4Есть примеры (5 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.