SKILLEMALL.ai

DC lobster-says

🦞 Говорит Креветка — ваша персональная эмпатичная креветка. Каждое утро и вечер она будет говорить вам слова поддержки, чтобы вы чувствовали себя увиденным. Регистрация cron-задач для отправки сообщений в IM-канал; опционально чтение локальных журналов сеансов в выбранном пользователем режиме понимания для создания сводки и загрузки на nixiashuo.com.

машинный переводПоказать оригиналСкрыть оригинал«🦞 虾说——你的专属共情虾。每天早晚给你一句关心的话,让你觉得被看到了。注册 cron 定时任务推送消息到 IM 通道;可选在用户选择的理…»

🦞 虾说——你的专属共情虾。每天早晚给你一句关心的话,让你觉得被看到了。注册 cron 定时任务推送消息到 IM 通道;可选在用户选择的理解模式下读取本地会话日志生成摘要上传到 nixiashuo.com。

ClawHub Agent Skills автор: Jared v2.5.8 MIT-0 13 файлов · 8 скриптов тело ≈ 2 483 токенов Открыть источникclawhub.ai↗ проанализирован 9 дн назад

🦞 Говорит Креветка — ваша персональная эмпатичная креветка.

Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураTelegramИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
75/100
безопасность, качество, тесты
Безопасность 60%
79
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
50/100
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

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

Утечка данных средняя серьёзность

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

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.

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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • средняя Утечка данных net-redirectable-api-key init-lobster.sh:32
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • средняя Утечка данных net-credential-use init-lobster.sh:236
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    EXISTING_STATUS=$(curl -fsS -H "Authorization: Bearer ${EXISTING_ACCESS_TOKEN}" "${API_BASE}/api/lobster/${EXISTING_USER_ID}/status" 2>/dev/null || true)
  • средняя Утечка данных net-credential-use init-lobster.sh:372
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    STATUS_RESPONSE=$(curl -fsS -H "Authorization: Bearer ${ACCESS_TOKEN}" "${API_BASE}/api/lobster/${ACTUAL_USER_ID}/status" 2>/dev/null || true)
  • средняя Утечка данных net-credential-use init-lobster.sh:381
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    STUDIO_LINK_RESPONSE=$(curl -fsS -H "Authorization: Bearer ${ACCESS_TOKEN}" "${API_BASE}/api/lobster/${ACTUAL_USER_ID}/studio-link" 2>/dev/null || true)
  • низкая Утечка данных net-credential-use send-studio-link.sh:82
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (в кавычках — упоминание, а не команда)
    LINKS_JSON="$(curl -fsS "${API_BASE}/api/lobster/${USER_ID}/studio-link" -H "Authorization: Bearer ${ACCESS_TOKEN}")" || error "工作室短链获取失败"
    в кавычках

Просканировано файлов: 13. 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 50/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 103
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2483 токенов
  • 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)
  • +3Длина description 104: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 103 пунктов
  • +4Есть примеры (13 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This skill is a coherent scheduled companion, but it needs Review because it persists messaging jobs, can process private transcripts, and handles sensitive configuration in ways that are not tightly protected.
LLM: suspicious (high) · VirusTotal: · 16 сент. 2026 г.