SKILLEMALL.ai
GitHub ↗ EN Войти

BC wechat-miniapp-deploy

Развертывание и управление мини-программами WeChat (微信小程序) с использованием официального CLI miniprogram-ci. Обучение ИИ-агентов загрузке кода, отправке на проверку, управлению версиями, настройке QR-кодов и автоматизации полного конвейера развертывания мини-программ WeChat. Охватывает: первоначальную настройку проекта и конфигурацию CI, загрузку кода с управлением версиями, отправку на проверку с соблюдением конфиденциальности, автоматизированный конвейер CI/CD для мини-программ, развертывание в нескольких средах (разработка/тестирование/продакшн). Активируется при: 微信小程序部署, wechat mini program deploy, 小程序上传, miniapp upload, 小程序审核, mini program review, 小程序CI/CD, miniprogram-ci, 微信小程序发布, wechat miniapp publish, 小程序自动化部署, mini program automation, 小程序版本管理, miniapp version management, 小程序隐私合规, miniapp privacy compliance

машинный переводПоказать оригиналСкрыть оригинал«Deploy and manage WeChat Mini Programs (微信小程序) using the official mini…»

Deploy and manage WeChat Mini Programs (微信小程序) using the official miniprogram-ci CLI. Teach AI agents how to upload code, submit for review, manage versions, configure QR codes, and automate the full WeChat Mini Program deployment pipeline. Covers: first-time project setup and CI configuration, code upload with version management, review submission with privacy compliance, automated CI/CD pipeline for mini programs, multi-environment deployment (dev/staging/prod). Triggers on: 微信小程序部署, wechat mini program deploy, 小程序上传, miniapp upload, 小程序审核, mini program review, 小程序CI/CD, miniprogram-ci, 微信小程序发布, wechat miniapp publish, 小程序自动化部署, mini program automation, 小程序版本管理, miniapp version management, 小程序隐私合规, miniapp privacy compliance

ClawHub Agent Skills автор: lm203688 v1.0.0 MIT-0 2 файла тело ≈ 2 256 токенов Открыть источникclawhub.ai↗ проанализирован 21 ч назад

Развертывание и управление мини-программами WeChat (微信小程序) с использованием официального CLI miniprogram-ci.

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ПроцедураGitHubИнфраструктуратип 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
78/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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.

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 · 6

✓ Критических и высоких находок нет

Средние и низкие: 6
  • средняя Утечка данных exfil-secret-in-url SKILL.md:159
    Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (в кавычках — упоминание, а не команда)
    ACCESS_TOKEN=$(curl -s "https://api.weixin.qq.com/cgi-bin/token?grant_type=…&appid=…&secret=…" | node -p "JSON.parse(require('fs').readFileSync('/dev/stdin','utf8')).acce
    в кавычках
  • средняя Утечка данных net-credential-use SKILL.md:159
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    ACCESS_TOKEN=$(curl -s "https://api.weixin.qq.com/cgi-bin/token?grant_type=…&appid=…&secret=…" | node -p "JSON.parse(require('fs').readFileSync('/dev/stdin','utf8')).acce
  • средняя Утечка данных net-credential-use SKILL.md:162
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST "https://api.weixin.qq.com/wxa/submit_audit?access_token=…" \
  • низкая Утечка данных exfil-secret-in-url skill-card.md:29
    Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
    - [WeChat access token API](https://api.weixin.qq.com/cgi-bin/token?grant_type=…&appid=…&secret=…) <br>
    заглушка
  • низкая Утечка данных exfil-secret-in-url skill-card.md:30
    Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
    - [WeChat submit audit API](https://api.weixin.qq.com/wxa/submit_audit?access_token=…) <br>
    заглушка
  • низкая Утечка данных exfil-secret-in-url SKILL.md:162
    Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
    curl -X POST "https://api.weixin.qq.com/wxa/submit_audit?access_token=…" \
    заглушка

Просканировано файлов: 2. 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 57/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2256 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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 736 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a clear WeChat Mini Program deployment guide, but users must handle WeChat keys and AppSecret carefully.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.