SKILLEMALL.ai

AC agent-sentinel

Механизм контроля «Оценка перед выполнением» (EBE) для агентов OpenClaw. Выдает обязательное решение «GO / NO-GO» перед любым вызовом инструмента с высокими ставками. Обеспечивает соблюдение политики безопасности детей (Global Safety) и предпочтений в поездках (бюджет, запрет ночных перелетов, заблокированные авиакомпании) из SENTINEL_CONFIG.md.

машинный переводПоказать оригиналСкрыть оригинал«Evaluate-before-Execute (EBE) guardrail for OpenClaw agents. Issues a…»

Evaluate-before-Execute (EBE) guardrail for OpenClaw agents. Issues a mandatory GO / NO-GO decision before any high-stakes tool call. Enforces child-safety policy (Global Safety) and travel preferences (budget, night-flight ban, blocked airlines) from SENTINEL_CONFIG.md.

ClawHub Agent Skills автор: sanjeet-toosi v1.0.3 MIT-0 10 файлов тело ≈ 1 667 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Механизм контроля «Оценка перед выполнением» (EBE) для агентов OpenClaw.

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

АнализаторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
Согласованность вес 8
40
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 6. 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")

Процессный рейтинг: все десять параметров 62/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (agent-sentinel) не совпадает с папкой (vigilance)
  • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 17
  • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
  • 100Стоимость исполнения. Тело инструкции 1667 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 271 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This looks like a safety guardrail, but it has conflicting packaged skill identities and can send sensitive tool-call details to LLM providers or logs with insufficient privacy scoping.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.