CD review-times
Проверяйте, сколько времени занимает рассмотрение отзывов в магазинах приложений, коннекторов и плагинов ИИ (плагины ChatGPT, коннекторы и плагины Claude, Meta Muse, Grok, Cursor, магазин агентов Microsoft 365, Gemini CLI, Docker MCP) перед отправкой или во время ожидания, и сообщайте о собственной отправке пользователя. Используйте при планировании запуска в одном из этих магазинов, когда рассмотрение кажется затянутым, или когда пользователь спрашивает, сколько времени занимает одобрение.
машинный переводПоказать оригиналСкрыть оригинал«Check how long AI app, connector and plugin store review takes (ChatGP…»
Check how long AI app, connector and plugin store review takes (ChatGPT plugins, Claude connectors and plugins, Meta Muse, Grok, Cursor, Microsoft 365 Agent Store, Gemini CLI, Docker MCP) before submitting or while waiting, and report the user's own submission. Use when planning a launch to one of these stores, when a review seems stuck, or when the user asks how long approval takes.
Проверяйте, сколько времени занимает рассмотрение отзывов в магазинах приложений, коннекторов и плагинов ИИ (плагины ChatGPT, коннекторы и плагины Claude…
Как процесс D 44/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
Как улучшить
- 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 Утечка данных
net-credential-useSKILL.md:34Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -s -X PATCH reviewtimes.fyi/api/v1/reports/$TOKEN -H 'content-type: application/json' \
Просканировано файлов: 2. 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 44/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 333 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 386 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 3 заголовков
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.