SKILLEMALL.ai

AC credential-vault

Управление учетными данными с шифрованием GPG AES-256. Требуется: установленный GPG (gnupg), Python 3.8+, переменная окружения CRED_MASTER_PASS для неинтерактивного использования. Используйте, когда пользователю нужно безопасно хранить, извлекать или управлять паролями, API-токенами и секретами. Поддерживает операции init/add/get/list/remove. Триггеры: управление паролями, хранение секретов, шифрование учетных данных, хранилище токенов, безопасные учетные данные, 凭证管理, 密码加密, 安全存储.

машинный переводПоказать оригиналСкрыть оригинал«GPG AES-256 encrypted credential management. Requires: GPG (gnupg) ins…»

GPG AES-256 encrypted credential management. Requires: GPG (gnupg) installed, Python 3.8+, CRED_MASTER_PASS env var for non-interactive use. Use when the user needs to securely store, retrieve, or manage passwords, API tokens, and secrets. Supports init/add/get/list/remove operations. Triggers: password management, secret storage, credential encryption, token vault, secure credentials, 凭证管理, 密码加密, 安全存储.

ClawHub Agent Skills автор: king6381 v1.3.1 MIT-0 4 файла · 1 скрипт тело ≈ 1 476 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Управление учетными данными с шифрованием GPG AES-256.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияРазработкаИнфраструктураБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (credential-vault) не совпадает с папкой (mjolnir-credential-vault)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 23
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Стоимость исполнения. Тело инструкции 1476 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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 406 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (9 блоков кода)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    The skill appears to disclose a real but purpose-aligned temporary plaintext handling risk, with no evidence of hidden collection or exfiltration.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.