SKILLEMALL.ai

CC ZL-ClawPay

Платежный навык: поддерживает бесконтактные платежи, проверку заказов, историю транзакций и другие функции. Ключевые слова: инициировать оплату заказа, выполнить оплату заказа, отправить платежный заказ, подтвердить оплату заказа, завершить оплату счета, проверить статус платежного заказа, проверить историю транзакций, привязать суб-кошелек, подтвердить учетные данные кошелька, отвязать суб-кошелек, отменить привязку кошелька. Неприменимо для: сценариев, не связанных с платежами, экспорта исторических данных, пакетных операций, проверки баланса, генерации QR-кода для получения платежей. Реализовано на Node.js, использует шифрование связи с использованием национальных криптографических алгоритмов SM2/SM3/SM4.

машинный переводПоказать оригиналСкрыть оригинал«支付技能:支持免密支付、订单查询、交易流水等功能。 触发词:发起订单支付、执行订单付款、提交支付订单、确认订单支付、完成账单支付、查询支付订…»

支付技能:支持免密支付、订单查询、交易流水等功能。 触发词:发起订单支付、执行订单付款、提交支付订单、确认订单支付、完成账单支付、查询支付订单状态、查询交易流水记录、绑定子钱包、验证钱包凭据、解绑子钱包、撤销钱包绑定。 不适用于:非支付场景、历史数据导出、批量操作、余额查询、收款码生成。 基于 Node.js 实现,使用 SM2/SM3/SM4 国密算法加密通信。

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: zlpay v1.0.9 MIT-0 20 файлов тело ≈ 1 502 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Платежный навык: поддерживает бесконтактные платежи, проверку заказов, историю транзакций и другие функции.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
74/100
безопасность, качество, тесты
Безопасность 60%
79
Качество 40%
66
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
Ошибки и развилки вес 10
0
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.

Секреты в коде
Если установить

В файлах лежит чужой ключ или токен. Если он живой, ваш агент начнёт ходить в чужие сервисы от чужого имени; если ключ уже отозван, скрипты скилла просто сломаются. Такой ключ мог попасть в скилл вместе с целым рабочим пространством автора, включая личные данные.

Автору

Ключ виден всем, кто скачал скилл, и уже мог быть скопирован ботами, которые сканируют каталоги. Отзовите его сейчас, проверьте счета и логи доступа, а потом перевыпустите.

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.
  2. 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 · 4

  • высокая Секреты в коде meta-credential-files config/.env
    В скилле лежат файлы с учётными данными / .env (1)
    config/.env
Средние и низкие: 3
  • низкая Секреты в коде secret-labelled-token assets/request-examples.md:75
    Токен / ключ рядом с меткой (формат неизвестен — проверьте, что это не живой секрет) (значение-заглушка)
    --apiKey=your…key \
    заглушка
  • низкая Утечка данных read-dotenv scripts/config.js:17
    Чтение файла .env (в кавычках — упоминание, а не команда)
    `     Fix: Copy config/.env.example to config/.env and fill in the values.\n` +
    в кавычках
  • низкая Утечка данных read-dotenv scripts/skill.js:119
    Чтение файла .env (в кавычках — упоминание, а не команда)
    `  Fix: Copy config/.env.example to config/.env, or re-package with pack…s1.`
    в кавычках

Просканировано файлов: 19. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "skill_type"
  • заметка frontmatter-key неизвестное поле фронтматтера "execution_mode"
  • заметка frontmatter-key неизвестное поле фронтматтера "has_server"
  • заметка frontmatter-key неизвестное поле фронтматтера "has_install_scripts"
  • заметка frontmatter-key неизвестное поле фронтматтера "environment_variables"

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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 47
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1502 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
  • -34 из 5 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 183 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This payment skill needs manual review because it can use stored payment credentials for live payment actions and the supplied evidence shows weak confirmation and credential safeguards.
LLM: suspicious (medium) · VirusTotal: · 2 июн. 2026 г.