SKILLEMALL.ai
GitHub ↗ EN Войти

CB dossier

Досье на конкретного живого человека перед деловой встречей или переговорами: поиск волнами по открытым источникам, порог подтверждения по силе источника, машинная проверка каждого числа, триангуляция фактов через Perplexity Sonar и детерминированная вёрстка в Word (Arial 12, две страницы) плюс тот же текст в чате.

ClawHub Agent Skills автор: Sergey Petrakov v1.0.6 MIT-0 7 файлов · 4 скрипта тело ≈ 14 880 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Досье на конкретного живого человека перед деловой встречей или переговорами: поиск волнами по открытым источникам, порог подтверждения по силе источника…

Как процесс B 67/100 · Почти готов — слабые места: когда включается, входы и предусловия, стоимость исполнения

АнализаторИсследованияЛюди и наймтип 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
C
83/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Когда включается вес 12
20
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Обфускация средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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 Обфускация uni-mixed-script-word scripts/verify_facts.py:484
    Слово из смеси латиницы и кириллицы (гомоглифы) (2 шт.)
    words = re.findall(r"[А-Яа-яЁёA-Za-z][А-Яа-яЁёA-Za-z-]+", str(text or "").lower())

Просканировано файлов: 7. 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")
  • предупреждение body-long тело SKILL.md ≈ 14880 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "type"
  • заметка frontmatter-key неизвестное поле фронтматтера "runtime"
  • заметка frontmatter-key неизвестное поле фронтматтера "timeout_sec"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
  • заметка frontmatter-key неизвестное поле фронтматтера "env_from_settings"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "scripts"

Процессный рейтинг: все десять параметров 67/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Стоимость исполнения. Тело инструкции 14880 токенов: вытесняет саму задачу из окна
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Ошибки и развилки. Развилок: 17
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 71
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 14. 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +3Длина description 316 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 71 пунктов
  • +4Есть примеры (17 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 4 скриптов описаны в инструкциях
  • +1Лицензия указана
  • +2Инструкции двуязычные (RU + EN)

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

Внешние проверки

ClawHub: suspicious
This skill is not clearly malicious, but it deserves review because it broadly creates dossiers on living people, sends personal research data to a third-party API, persists search/query artifacts, and fetches cited URLs without strong network scoping.
LLM: suspicious (high) · 28 сент. 2026 г.