SKILLEMALL.ai
GitHub ↗ EN Войти

AB huawei-cloud-cce-metric-analyzer

Навык анализа метрик Huawei Cloud CCE с использованием диспетчера Python SDK. Используйте этот навык, когда пользователь хочет: (1) запрашивать метрики CPU/памяти/диска Pod/Node, (2) получать рейтинги TopN по использованию ресурсов, (3) запрашивать метрики облачных ресурсов ECS/ELB/EIP/NAT, (4) агрегировать данные мониторинга кластера с обнаружением аномалий, (5) обнаруживать аномалии ресурсов на основе пороговых значений. Триггер: пользователь упоминает «анализ метрик», «指标分析», «метрики CCE», «CCE 指标», «метрики AOM», «AOM 指标», «метрики ресурсов», «资源指标», «использование CPU», «CPU 使用率», «использование памяти», «内存使用率», «мониторинг производительности», «性能监控», «TopN», «рейтинг ресурсов», «资源排名»

машинный переводПоказать оригиналСкрыть оригинал«Huawei Cloud CCE Metric analysis skill using Python SDK dispatcher. Us…»

Huawei Cloud CCE Metric analysis skill using Python SDK dispatcher. Use this skill when the user wants to: (1) query Pod/Node CPU/memory/disk metrics, (2) get resource usage TopN rankings, (3) query ECS/ELB/EIP/NAT cloud resource metrics, (4) aggregate cluster monitoring data with anomaly detection, (5) detect threshold-based resource anomalies. Trigger: user mentions "metric analysis", "指标分析", "CCE metrics", "CCE 指标", "AOM metrics", "AOM 指标", "resource metrics", "资源指标", "CPU usage", "CPU 使用率", "memory usage", "内存使用率", "performance monitoring", "性能监控", "TopN", "resource ranking", "资源排名"

ClawHub Agent Skills автор: shijingcheng v0.1.1 MIT-0 52 файла тело ≈ 4 078 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Навык анализа метрик Huawei Cloud CCE с использованием диспетчера Python SDK.

Как процесс B 67/100 · Почти готов — слабые места: ошибки и развилки, повторный запуск, отчётность по ходу

ИнтеграцияKubernetesДанные и аналитикатип 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
A
93/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

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 · 7

    ✓ Критических и высоких находок нет

    Средние и низкие: 7
    • низкая Секреты в коде secret-high-entropy-token scripts/huawei_cloud/aom.py:665
      Строка, похожая на токен (может быть id, хеш или секрет)
      AddO…ody,
    • низкая Секреты в коде secret-high-entropy-token scripts/huawei_cloud/aom.py:737
      Строка, похожая на токен (может быть id, хеш или секрет)
      body = AddO…ody(
    • низкая Секреты в коде secret-high-entropy-token scripts/huawei_cloud/aom.py:932
      Строка, похожая на токен (может быть id, хеш или секрет)
      Dele…ody,
    • низкая Секреты в коде secret-high-entropy-token scripts/huawei_cloud/aom.py:1336
      Строка, похожая на токен (может быть id, хеш или секрет)
      AddO…ody,
    • низкая Секреты в коде secret-high-entropy-token scripts/huawei_cloud/aom.py:1372
      Строка, похожая на токен (может быть id, хеш или секрет)
      body = AddO…ody(
    • низкая Секреты в коде secret-password-literal scripts/huawei_cloud/cce_node.py:646
      Захардкоженный пароль / ключ (возможно, пример)
      login = Login(user_password=UserPassword(username="root", password=salted_b64))
    • низкая Секреты в коде secret-password-literal scripts/huawei_cloud/cce_nodepool.py:456
      Захардкоженный пароль / ключ (возможно, пример)
      user_password.password = base…ode(hashed.encode("utf-8")).decode("utf-8")

    Просканировано файлов: 52. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "id"

    Процессный рейтинг: все десять параметров 67/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4078 токенов
    • 100Шаги. Шагов: 67
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • -31 из 2 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 11 примера фраз-триггеров в кавычках
    • +3Длина description 593 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: suspicious
    This skill presents itself as a read-only metrics analyzer, but its packaged dispatcher includes broad cluster administration, credential, secret, and mutation capabilities that are not disclosed in the skill description.
    LLM: suspicious (high) · VirusTotal: · 16 июн. 2026 г.