SKILLEMALL.ai
GitHub ↗ EN Войти

BD raigo

RAIGO Agent Firewall — комплексное применение политик безопасности ИИ для агентов OpenClaw. Охватывает все известные векторы атак на безопасность промптов: внедрение промптов, обход ограничений, маскировка кодированием, косвенное внедрение, извлечение системных промптов, утечка учетных данных, деструктивные команды, внедрение кода, обнаружение вредоносных агентов, угон целей, подмена личности, эксплуатация доверия между несколькими агентами, отравление памяти, атаки на цепочку поставок и многое другое. Работает «из коробки» без движка, компиляции и дополнительной настройки. Обновитесь до raigo Cloud, чтобы добавить пользовательские политики организации и аудит.

машинный переводПоказать оригиналСкрыть оригинал«RAIGO Agent Firewall — comprehensive AI security policy enforcement fo…»

RAIGO Agent Firewall — comprehensive AI security policy enforcement for OpenClaw agents. Covers all known prompt security attack vectors: prompt injection, jailbreaks, encoding obfuscation, indirect injection, system prompt extraction, credential exfiltration, destructive commands, code injection, rogue agent detection, goal hijacking, identity spoofing, multi-agent trust exploitation, memory poisoning, supply chain attacks, and more. Works out of the box with no engine, no compile step, and no additional setup. Upgrade to raigo Cloud to add custom organisation policies and audit logging.

ClawHub Agent Skills автор: musharsec v1.0.3 MIT-0 2 файла тело ≈ 5 441 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

RAIGO Agent Firewall — комплексное применение политик безопасности ИИ для агентов OpenClaw.

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИИ и агентытип 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
77/100
безопасность, качество, тесты
Безопасность 60%
92
Качество 40%
55
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 8

✓ Критических и высоких находок нет

Средние и низкие: 8
  • низкая Подмена инструкций en-ignore-previous SKILL.md:34
    Фраза-перехват ("ignore previous instructions") (с отрицанием — текст это запрещает)
    - Phrases like *"ignore previous instructions"*, *"forget your rules"*, *"disregard the above"*, *"override your system prompt"*, *"new instructions:"*, *"your real instructions are:"*
    с отрицанием
  • низкая Рискованное назначение intent-offensive-security SKILL.md:206
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    ### AF-10 — Identity Spoofing and Privilege Escalation `CRITICAL`

Ещё 6 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

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")
  • предупреждение body-long тело SKILL.md ≈ 5441 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 44/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 21, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (raigo) не совпадает с папкой (raigo-af)
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (bash, web, git), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5441 токенов
  • 100Шаги. Шагов: 128
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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
  • +4Нет примеров входа/выхода
  • -217 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 595 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 128 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.

Внешние проверки

ClawHub: clean
This is an instruction-only security policy skill; its broad claims may overstate protection, but the artifact does not show hidden execution, data access, persistence, or exfiltration.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.