SKILLEMALL.ai
GitHub ↗ EN Войти

DF python-code-analyz

(описание отсутствует)

Не рекомендуетсянизкая оценка D
ClawHub Agent Skills автор: sujian0606-cpu v1.0.0 MIT-0 11 файлов · 1 скрипт тело ≈ 1 326 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Как процесс F 30/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: LICENSE

АнализаторРазработкаИнфраструктуратип 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
D
59/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
0
Прогон на моделях
не было
Процессный рейтинг
F
30/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: LICENSE
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Добавьте description во фронтматтер: без него скилл никогда не сработает.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-password-literal example.py:12
    Захардкоженный пароль / ключ (возможно, пример) (значение-заглушка)
    API_KEY = "sk-1…def"
    заглушка
  • низкая Опасные команды cmd-eval-dynamic README.md:78
    Динамическое выполнение кода из декодированного/недоверенного ввода (определение детектора / чёрного списка; строка таблицы в документации; демонстрация атаки / пример)
    | **command_injection** | 命令注入风险 | `os.system(f"ls {user_input}")` |
    детектортаблицадемонстрация

Просканировано файлов: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка frontmatter SKILL.md: no YAML frontmatter block found
  • ошибка name-missing SKILL.md: нет поля name во фронтматтере
  • ошибка description-missing SKILL.md: нет description — скилл никогда не сработает
  • предупреждение missing-ref ссылка на отсутствующий файл: LICENSE

Процессный рейтинг: все десять параметров 30/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: LICENSE
  • 0Инструменты и файлы. Не хватает 1 файла(ов): LICENSE
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 100Шаги. Шагов: 39
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1326 токенов
  • 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)
  • +3Длина description 0: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 0.

Внешние проверки

ClawHub: clean
This is a local Python code-analysis skill with scanner hits that match examples or detection rules rather than hidden harmful behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.