SKILLEMALL.ai
GitHub ↗ EN Войти

BD keplerjai-dingtalk-attendance

Получение данных о посещаемости сотрудников из открытой платформы DingTalk и сохранение их локально или отправка по указанному каналу.

машинный переводПоказать оригиналСкрыть оригинал«从钉钉开放平台获取员工考勤数据，并保存到本地或推送到指定渠道。…»

从钉钉开放平台获取员工考勤数据，并保存到本地或推送到指定渠道。

ClawHub Agent Skills автор: 任佶 v1.0.0 MIT-0 16 файлов тело ≈ 320 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Получение данных о посещаемости сотрудников из открытой платформы DingTalk и сохранение их локально или отправка по указанному каналу.

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

ПроцедураИнфраструктуратип 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
80/100
безопасность, качество, тесты
Безопасность 60%
92
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Когда включается вес 12
0
Входы и предусловия вес 11
0
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.
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 Секреты в коде secret-high-entropy-token package-lock.json:20
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…9dM/mwVgvbZJaSNaRk+bshk…Kbz+IoId…W0Q==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:50
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…SDq+2kAA…MOe/+5cdoEdg==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:97
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…FrF+LTRo…W3g==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:106
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…A6j+hAmM…GbS+kf5c…csw==",
    детектор
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:115
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…5bm+c2gQ…aG5+esrLODihIorn+Pe6F…dXA==",
    детектор
  • низкая Утечка данных read-dotenv README.md:29
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv SETUP.md:16
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv SKILL.md:50
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 44/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 320 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 31: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: suspicious
This skill appears intended to export DingTalk attendance reports, but it needs review because it handles sensitive employee data and can install a Python package during normal use.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.