SKILLEMALL.ai
GitHub ↗ EN Войти

BD weekly-report

Система автоматической генерации еженедельных отчетов о работе. Поддерживает автоматический вход в систему еженедельных отчетов, получение данных еженедельных отчетов команды, использование ИИ для анализа и обобщения контента, генерацию форматированных документов Word. Сценарии триггеров: (1) Пользователь запрашивает генерацию еженедельного отчета (2) Пользователь спрашивает о рабочем резюме за эту/прошлую неделю (3) Пользователь упоминает "周报", "weekly report", "工作总结" (4) Пользователь нуждается в обобщении рабочего контента членов команды.

машинный переводПоказать оригиналСкрыть оригинал«自动化工作周报生成系统。支持自动登录周报系统、获取团队周报数据、使用 AI 进行内容提炼总结、生成格式化的 Word 文档。 触发场景：(1…»

自动化工作周报生成系统。支持自动登录周报系统、获取团队周报数据、使用 AI 进行内容提炼总结、生成格式化的 Word 文档。 触发场景：(1) 用户要求生成周报 (2) 用户询问本周/上周工作总结 (3) 用户提到"周报"、"weekly report"、"工作总结" (4) 用户需要汇总团队成员工作内容

ClawHub Agent Skills автор: kaillera999 v1.0.0 18 файлов · 1 скрипт тело ≈ 660 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Система автоматической генерации еженедельных отчетов о работе.

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
85
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

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

Опасные команды средняя серьёзность

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

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. 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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • средняя Опасные команды cmd-pipe-to-shell-known-host scripts/setup.sh:105
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -LsSf https://astral.sh/uv/install.sh | sh
  • средняя Опасные команды cmd-shell-rc scripts/setup.sh:225
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo -e "${YELLOW}Note: uv was just installed. Run 'source ~/.profile' or start a new terminal${NC}"
  • средняя Опасные команды cmd-pipe-to-shell-known-host SKILL.md:60
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -LsSf https://astral.sh/uv/install.sh | sh

Просканировано файлов: 18. 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 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 (weekly-report) не совпадает с папкой (weekly-report-openclaw)
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 14
  • 100Стоимость исполнения. Тело инструкции 660 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

  • +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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 153 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 14 пунктов
  • +4Есть примеры (10 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This appears to be a legitimate weekly-report automation skill, but it handles workplace credentials, local token caches, and report contents that may be sent to an external AI provider.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.