SKILLEMALL.ai

CF bounty-hunting

Систематический подход к поиску, оценке и отслеживанию баунти и возможностей в open source на GitHub

машинный переводПоказать оригиналСкрыть оригинал«Systematic approach to finding, evaluating, and tracking GitHub bounti…»

Systematic approach to finding, evaluating, and tracking GitHub bounties and open source opportunities

ClawHub Hermes автор: lrg913427-dot v1.0.0 MIT-0 18 файлов тело ≈ 10 157 токенов Открыть источникclawhub.ai проанализирован 14 ч назад

Систематический подход к поиску, оценке и отслеживанию баунти и возможностей в open source на GitHub

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/scan-bounties.sh

АнализаторGitHubObsidianРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
C
70/100
безопасность, качество, тесты
Безопасность 60%
86
Качество 40%
47
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/scan-bounties.sh
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
  3. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  4. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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-read-secret-files references/known-bounty-repos.md:170
    Чтение файлов с учётными данными / секретами (документация security-скилла)
    with open(os.path.expanduser('~/.git-credentials')) as f:
    security-скилл
  • средняя Утечка данных exfil-read-secret-files SKILL.md:421
    Чтение файлов с учётными данными / секретами (документация security-скилла)
    with open(os.path.expanduser('~/.git-credentials')) as f:
    security-скилл
  • низкая Рискованное назначение intent-offensive-security references/known-bounty-repos.md:22
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (определение детектора / чёрного списка)
    - **Labels**: `💎 Bounty`, `$X`, `AI agent friendly`, `bug bounty`, `good first issue`, `help wanted`
    детектор

Ещё 3 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

Просканировано файлов: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 102 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • предупреждение body-long тело SKILL.md ≈ 10157 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/scan-bounties.sh

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/scan-bounties.sh
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/scan-bounties.sh
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Стоимость исполнения. Тело инструкции 10157 токенов: вытесняет саму задачу из окна
  • 100Шаги. Шагов: 187
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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 102: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 69 заголовков
  • +3Пошаговые инструкции: 187 пунктов
  • +4Есть примеры (22 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (10 из 11)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 47.

Внешние проверки

ClawHub: suspicious
This bounty-hunting skill is mostly coherent as GitHub workflow guidance, but it also directs sensitive credential handling, mailbox access, security-tool workarounds, and ungated public write actions.
LLM: suspicious (high) · 23 июл. 2026 г.