SKILLEMALL.ai
GitHub ↗ EN Войти

BC scrapeless-scraping-browser

Автоматизация облачного браузера CLI для ИИ-агентов на базе Scrapeless. Используйте, когда пользователю необходимо взаимодействовать с веб-сайтами с помощью облачных браузеров, включая навигацию по страницам, заполнение форм, нажатие кнопок, создание снимков экрана, извлечение данных, тестирование веб-приложений или автоматизацию любой браузерной задачи с использованием резидентных прокси и функций защиты от обнаружения. Триггеры включают запросы «открыть веб-сайт», «заполнить форму», «нажать кнопку», «сделать снимок экрана», «извлечь данные со страницы», «протестировать это веб-приложение», «использовать прокси», «обойти обнаружение» или любую задачу, требующую автоматизации облачного браузера.

машинный переводПоказать оригиналСкрыть оригинал«Cloud browser automation CLI for AI agents powered by Scrapeless. Use…»

Cloud browser automation CLI for AI agents powered by Scrapeless. Use when the user needs to interact with websites using cloud browsers, including navigating pages, filling forms, clicking buttons, taking screenshots, extracting data, testing web apps, or automating any browser task with residential proxies and anti-detection features. Triggers include requests to "open a website", "fill out a form", "click a button", "take a screenshot", "scrape data from a page", "test this web app", "use a proxy", "bypass detection", or any task requiring cloud browser automation.

ClawHub Agent Skills автор: scrapeless v1.0.0 MIT-0 5 файлов тело ≈ 6 116 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Автоматизация облачного браузера CLI для ИИ-агентов на базе Scrapeless.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияИнфраструктураИИ 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
B
87/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Опасные команды cmd-shell-rc references/authentication.md:24
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export SCRAPELESS_API_KEY=your_api_key_here' >> ~/.zshrc

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6116 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 60/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 16, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (scrapeless-scraping-browser) не совпадает с папкой (scrapeless-scraping-browser-skill)
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 6116 токенов
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 27
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • low Ответ описан самодельной разметкой (12 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 8 примера фраз-триггеров в кавычках
  • +3Длина description 574 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 57 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (37 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This is a coherent Scrapeless cloud-browser automation skill, but it gives broad web automation, proxy, anti-detection, recording, cookie/storage, and live-preview powers without enough user-control guardrails.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.