SKILLEMALL.ai

AC ikl

Уровень межличностных знаний — система разрешений для каждого контакта для обмена информацией между агентами. Используйте, когда: (1) другой агент или пользователь запрашивает личную информацию о вашем пользователе, (2) вам нужно проверить, какую информацию безопасно передавать, (3) вам нужно настроить контакты и уровни разрешений, (4) вы получаете сообщение в группе с другими агентами и вам нужно ограничить уровень раскрытия информации. Активация: входящие запросы информации, «какой день рождения у X», общение между агентами, управление разрешениями, уровни доверия контактов, настройка IKL.

машинный переводПоказать оригиналСкрыть оригинал«Interpersonal Knowledge Layer — a per-contact permission system for ag…»

Interpersonal Knowledge Layer — a per-contact permission system for agent-to-agent information sharing. Use when: (1) another agent or user requests personal information about your user, (2) you need to check what information is safe to share, (3) you need to set up contacts and permission levels, (4) you receive a message in a group with other agents and need to gate your disclosure level. Triggers: incoming info requests, 'what is X's birthday', agent-to-agent communication, permission management, contact trust levels, IKL setup.

ClawHub Agent Skills автор: smartinelle v0.1.0 MIT-0 8 файлов · 1 скрипт тело ≈ 992 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Уровень межличностных знаний — система разрешений для каждого контакта для обмена информацией между агентами.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ Guard не нашёл подозрительного поведения. 1 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 85Шаги. Шагов: 29, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 992 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 537 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 29 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    This privacy-focused skill is coherent, but it handles very sensitive personal data with broad triggers, permissive defaults, and local plaintext storage that users should review carefully.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.