SKILLEMALL.ai
GitHub ↗ EN Войти

CC jy-knowledge-skill

Интеллектуальная система обработки файлов в базе знаний и автоматической генерации наборов данных. После загрузки файлов автоматически оценивает ценность знаний, интеллектуально классифицирует и архивирует с помощью LLM, генерирует наборы данных для тонкой настройки через EasyDataset. Сценарии использования: (1) Пользователь загружает документ, и нужно определить, стоит ли создавать набор данных для базы знаний, (2) Пакетная обработка файлов DOCX/PDF/Excel/изображений для преобразования в базу знаний, (3) Поиск ответов в локальной базе знаний с последующим ответом в диалоге, (4) Развертывание и инициализация среды базы знаний, (5) Управление системой классификации базы знаний и наборами данных.

машинный переводПоказать оригиналСкрыть оригинал«智能知识库文件处理与数据集自动生成系统。上传文件后自动评估知识价值，LLM智能分类归档，通过EasyDataset生成微调数据集。使用场景：…»

智能知识库文件处理与数据集自动生成系统。上传文件后自动评估知识价值，LLM智能分类归档，通过EasyDataset生成微调数据集。使用场景：(1) 用户上传文档需要判断是否值得生成知识数据集，(2) 批量处理DOCX/PDF/Excel/图片文件转为知识库，(3) 从本地知识库搜索答案结合对话回复，(4) 部署和初始化知识库环境，(5) 管理知识库分类体系和数据集。

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: miemie_le v1.0.0 MIT-0 21 файл · 10 скриптов тело ≈ 1 836 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Интеллектуальная система обработки файлов в базе знаний и автоматической генерации наборов данных.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ПроцедураWordDockerExcelPDFДанные и аналитикаИИ 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
C
81/100
безопасность, качество, тесты
Безопасность 60%
77
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
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. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 2

  • высокая Опасные команды cmd-pipe-to-shell docs/troubleshooting.md:35
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell)
    curl -fsSL https://get.docker.com | sh
Средние и низкие: 1
  • средняя Опасные команды cmd-pipe-to-shell docs/cold_start.md:102
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell) (в кавычках — упоминание, а не команда)
    > - Linux：请执行 `curl -fsSL https://get.docker.com | sh`
    в кавычках

Просканировано файлов: 20. 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 54/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (jy-knowledge-skill) не совпадает с папкой (jy-knowlgdge-skill)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 1836 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +2Инструкции на одном языке
  • +3Длина description 184 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (19 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 6)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

Внешние проверки

ClawHub: suspicious
The skill appears purpose-built for knowledge-base generation, but it needs review because it processes private documents through LLM services and deploys unauthenticated local services that can store or expose that data.
LLM: suspicious (high) · 30 июл. 2026 г.