SKILLEMALL.ai
GitHub ↗ EN Войти

BB predicate-snapshot

ML-оптимизация DOM для уменьшения запросов браузера на 95%

машинный переводПоказать оригиналСкрыть оригинал«ML-powered DOM pruning for 95% smaller browser prompts…»

ML-powered DOM pruning for 95% smaller browser prompts

ClawHub Agent Skills автор: rcholic v0.4.0 18 файлов · 2 скрипта тело ≈ 932 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

ML-оптимизация DOM для уменьшения запросов браузера на 95%

Как процесс B 75/100 · Почти готов — слабые места: когда включается, отчётность по ходу

ПроцедураИИ и агентыИнфраструктуратип 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
76/100
безопасность, качество, тесты
Безопасность 60%
83
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
B
75/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Ошибки и развилки вес 10
50
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.
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 · 9

✓ Критических и высоких находок нет

Средние и низкие: 9
  • средняя Утечка данных net-redirectable-api-key demo/llm-action.ts:404
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • средняя Утечка данных net-redirectable-api-key demo/login-demo.ts:267
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment
  • низкая Утечка данных net-credential-use docs/INSTALL_AND_TEST.md:183
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (тестовый файл / пример; хост вендора самого скилла)
    curl -H "Authorization: Bearer $PREDICATE_API_KEY" https://api.predicate.systems/v1/health
    тестовый файлvendor-host
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:130
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…VHO+q2xB…AGd+Kl0mmq/MprG…MzA==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:174
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…VHO+q2xB…AGd+Kl0mmq/MprG…MzA==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:351
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "integrity": "sha5…ywo+qwL+oL8H…C1U+vRfLQDvw==",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:367
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha512-Yqfm+XDx0+Prh3…1yC+JWZ2…IL7+vK+Clp7…D7g==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:380
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…xZl+RoGR…fbT/ZgrF…0EA==",
    детектор
  • низкая Утечка данных read-dotenv README.md:406
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 18. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "command-dispatch"
  • заметка frontmatter-key неизвестное поле фронтматтера "command-tool"

Процессный рейтинг: все десять параметров 75/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 7
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 932 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 54: рекомендуется 120–800 символов
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (12 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This skill is a disclosed browser snapshot and action helper, but users should understand that API-backed snapshots and demos can send page-derived content to external services.
LLM: benign (medium) · VirusTotal: benign · 28 мая 2026 г.