SKILLEMALL.ai

AC Praesidia

Проверка AI-агентов, проверка оценок доверия (0-100), получение карточек агентов A2A, обнаружение агентов на маркетплейсе, применение защитных механизмов для безопасности и соответствия требованиям. Используйте, когда пользователь упоминает проверку агента, оценки доверия, обнаружение агентов, протокол A2A, идентификацию агента, маркетплейс агентов, защитные механизмы, политики безопасности, модерацию контента или спрашивает "безопасен ли этот агент?", "найди агентов, которые могут [задача]" или "примени защитные механизмы для защиты моего агента".

машинный переводПоказать оригиналСкрыть оригинал«Verify AI agents, check trust scores (0-100), fetch A2A agent cards, d…»

Verify AI agents, check trust scores (0-100), fetch A2A agent cards, discover marketplace agents, apply guardrails for security and compliance. Use when user mentions agent verification, trust scores, agent discovery, A2A protocol, agent identity, agent marketplace, guardrails, security policies, content moderation, or asks "is this agent safe?" or "find agents that can [task]" or "apply guardrails to protect my agent".

ClawHub Agent Skills автор: msoica v0.1.0 3 файла тело ≈ 3 376 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проверка AI-агентов, проверка оценок доверия (0-100), получение карточек агентов A2A, обнаружение агентов на маркетплейсе, применение защитных механизмов для…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: Praesidia (ClawHub)

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: 3. 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)

    Процессный рейтинг: все десять параметров 61/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (Praesidia) не совпадает с папкой (praesidia-a2)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 110
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 3376 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +3Длина description 423 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 110 пунктов
    • +4Есть примеры (16 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: suspicious
    This skill is purpose-aligned, but it needs review because it can send sensitive content and API credentials to configurable API endpoints and can change live guardrails without strong confirmation guidance.
    LLM: suspicious (high) · VirusTotal: benign · 10 сент. 2026 г.