SKILLEMALL.ai
GitHub ↗ EN Войти

BB depradar

Радар для обнаружения критических изменений зависимостей. Используйте этот навык, когда пользователь хочет проверить критические изменения, устаревшие зависимости, риски обновления или проблемы миграции. Активируется по команде /depradar или когда пользователи спрашивают об обновлениях зависимостей, критических изменениях, изменениях semver или безопасных путях обновления. Сканирует package.json, requirements.txt, pyproject.toml, go.mod, Cargo.toml, Gemfile, pom.xml на предмет устаревших пакетов, извлекает критические изменения из заметок к выпуску, находит затронутые файлы в кодовой базе и выявляет сигналы проблем сообщества из GitHub Issues, Stack Overflow, Reddit и Hacker News.

машинный переводПоказать оригиналСкрыть оригинал«Dependency breaking-change radar. Use this skill when the user wants t…»

Dependency breaking-change radar. Use this skill when the user wants to check for breaking changes, outdated dependencies, upgrade risks, or migration issues. Triggers on /depradar, or when users ask about dependency updates, breaking changes, semver bumps, or safe upgrade paths. Scans package.json, requirements.txt, pyproject.toml, go.mod, Cargo.toml, Gemfile, pom.xml for outdated packages, extracts breaking changes from release notes, finds impacted files in the codebase, and surfaces community pain signals from GitHub Issues, Stack Overflow, Reddit, and Hacker News.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: Tarun Khatri v2.3.0 MIT-0 80 файлов · 2 скрипта тело ≈ 6 523 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Радар для обнаружения критических изменений зависимостей.

Как процесс B 79/100 · Почти готов — трудных мест не видно

ПроцедураGitHubStripeРазработкаИнфраструктураДанные и аналитикатип 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
B
77/100
безопасность, качество, тесты
Безопасность 60%
80
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
B
79/100
Почти готов
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
Когда включается вес 12
70
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.

Утечка данных
Если установить

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».

Автору

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

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  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 · 3

  • высокая Утечка данных exfil-webhook-url README.md:251
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес)
    --notify=slack://https://hooks.slack.com/services/YOUR/WEBHOOK/URL
Средние и низкие: 2
  • низкая Утечка данных exfil-webhook-url scripts/lib/notify.py:22
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
    slack://https://hooks.slack.com/services/...
    заглушка
  • низкая Секреты в коде secret-github-token SKILL.md:314
    Токен GitHub (значение-заглушка)
    GITHUB_TOKEN=ghp_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
    заглушка

Просканировано файлов: 50. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 6523 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 79/100

  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 6523 токенов
  • 100Шаги. Шагов: 101
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 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: 17. 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)
  • -5В тексте остались TODO / заглушки
  • -223 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 575 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 50 заголовков
  • +3Пошаговые инструкции: 101 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (33 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
Dep Radar is mostly a legitimate dependency scanner, but it needs Review because an installed startup hook can execute project config as shell and reports may expose private project details.
LLM: suspicious (high) · VirusTotal: · 28 мая 2026 г.