SKILLEMALL.ai
GitHub ↗ EN Войти

CF dingtalk-auto-reply

Мониторинг непрочитанных чатов DingTalk, автоматический ответ в личных чатах от вашего имени с помощью ИИ (в обычной манере сотрудника, коллегам на том же уровне), только отправка уведомлений в WeChat для групповых чатов/указанных списков (не отправляет автоматически, чтобы избежать неловких ситуаций). Охватывает интерфейс непрочитанных сообщений dws, конфликты портов SERVER__PORT, генерируемые SDK CodeBuddy Agent, самопредставление, ответы самому себе. Используется, когда пользователь запрашивает «автоответчик DingTalk / ответ от имени DingTalk / мониторинг непрочитанных DingTalk + ответ ИИ».

машинный переводПоказать оригиналСкрыть оригинал«监控钉钉未读会话，单聊用 AI 以本人身份自动回复（普通员工口吻、平级回同事），群聊/指定名单只发微信提醒（不代发，防社死）。覆盖 dws…»

监控钉钉未读会话，单聊用 AI 以本人身份自动回复（普通员工口吻、平级回同事），群聊/指定名单只发微信提醒（不代发，防社死）。覆盖 dws 未读接口、CodeBuddy Agent SDK 生成回复的 SERVER__PORT 端口冲突坑、自报家门坑、回复自己坑。当用户要求「钉钉自动回复/钉钉代回/监听钉钉未读+AI回复」时使用。

ClawHub Agent Skills автор: Azrael Noah v0.1.7 MIT-0 16 файлов · 1 скрипт тело ≈ 10 619 токенов Открыть источникclawhub.ai↗ проанализирован 36 ч назад

Мониторинг непрочитанных чатов DingTalk, автоматический ответ в личных чатах от вашего имени с помощью ИИ (в обычной манере сотрудника, коллегам на том же…

Как процесс F 36/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: mediaId=@lQLP..., mediaId=...

ИнтеграцияРазработкаИИ 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
C
70/100
безопасность, качество, тесты
Безопасность 60%
84
Качество 40%
50
Прогон на моделях
не было
Процессный рейтинг
F
36/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: mediaId=@lQLP..., mediaId=...
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.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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.
  3. 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 · 12

✓ Критических и высоких находок нет

Средние и низкие: 12
  • средняя Опасные команды cmd-persistence SKILL.md:416
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (в кавычках — упоминание, а не команда)
    启动器 `.vbs` **不随技能分发**（见上方移植说明，已被 `.gitignore` 排除），由本机 `gen_launcher.py` 生成到 `%APPDATA%\Microsoft\Windows\Start Menu\Programs\Startup\`。两种落地方式，任选其一（或都做）：
    в кавычках
  • низкая Утечка данных read-dotenv README.md:108
    Чтение файла .env
    # 4) 填私密身份： cp .env.example .env  → 编辑填 BOSS_UID / SELF_OPENDINGTALK_ID 等
  • низкая Опасные команды cmd-background-process README.md:122
    Запуск фонового / автозапускаемого процесса
    nohup "$PY" dingtalk_unread_monitor.py > ~/.workbuddy/dingtalk_auto_daemon.log 2>&1 & disown
  • низкая Утечка данных read-dotenv README.md:137
    Чтение файла .env (в кавычках — упоминание, а не команда)
    技能目录自带 `.env.example`，`cp .env.example .env` 后按需填写。所有项均可选，留空 = 自动探测 / 默认。常用：
    в кавычках
  • низкая Утечка данных read-dotenv README.md:188
    Чтение файла .env (в кавычках — упоминание, а не команда)
    - **`.env` 不分发**：已被 `.gitignore` 忽略，切勿提交或外发。换机 `cp .env.example .env` 自行填写。
    в кавычках
  • низкая Утечка данных read-dotenv README.md:203
    Чтение файла .env (строка таблицы в документации)
    | 私密 `.env` | ⚠️ 不随分发，`cp .env.example .env` 后填 |
    таблица
  • низкая Утечка данных read-dotenv SKILL.md:19
    Чтение файла .env (комментарий в коде)
    ├── .env.example                  # 配置样例（cp .env.example .env 后填写真实身份/Key）
    комментарий
  • низкая Утечка данных read-dotenv SKILL.md:84
    Чтение файла .env (в кавычках — упоминание, а не команда)
    4. **填私密身份**：`cp .env.example .env`（若还没建）→ 在 `.env` 填 `BOSS_UID` / `SELF_OPENDINGTALK_ID` / `SELF_SENDERS` / `MENTION_NAMES` 等（详见下方「隐私与身份配置」）。
    в кавычках
  • низкая Утечка данных read-dotenv SKILL.md:141
    Чтение файла .env (в кавычках — упоминание, а не команда)
    - **`.env` 不分发**：已被 `.gitignore` 忽略，切勿提交或随技能打包外发。换机时 `cp .env.example .env` 后自行填写。
    в кавычках
  • низкая Утечка данных read-dotenv SKILL.md:229
    Чтение файла .env (строка таблицы в документации)
    | 私密配置 `.env` | skill 内 `.env.example`（`.env` 已被 `.gitignore` 排除） | ⚠️ 不随分发 | 新机 `cp .env.example .env` 后填 `BOSS_UID`/`SELF_OPENDINGTALK_ID` 等。 |
    таблица
  • низкая Утечка данных read-dotenv SKILL.md:245
    Чтение файла .env
    cp ~/.workbuddy/skills/dingtalk-auto-reply/.env.example ~/.workbuddy/skills/dingtalk-auto-reply/.env
  • низкая Опасные команды cmd-background-process SKILL.md:438
    Запуск фонового / автозапускаемого процесса
    > ~/.workbuddy/dingtalk_auto_daemon.log 2>&1 & disown

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 ≈ 10619 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: mediaId=@lQLP...
  • предупреждение missing-ref ссылка на отсутствующий файл: mediaId=...
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 36/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: mediaId=@lQLP..., mediaId=...
  • 0Инструменты и файлы. Не хватает 2 файла(ов): mediaId=@lQLP..., mediaId=...
  • 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: 34, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 10619 токенов: вытесняет саму задачу из окна
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 160
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 22. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (29 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -244 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 166 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 160 пунктов
  • +4Есть примеры (12 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 50.

Внешние проверки

ClawHub: suspicious
This skill is not clearly malicious, but it needs Review because it can run persistently, auto-send DingTalk messages as the user, and give chat-triggered agents broad local and account access.
LLM: suspicious (high) · 2 сент. 2026 г.