SKILLEMALL.ai

BD release-gate-audit

Контроль перед публикацией: определяет, может ли продукт быть опубликован. Отличие от обычных сканеров ключей — объект проверки: он основан на «публичном лице», состоящем из отслеживаемого git контента + всей истории коммитов, а не на рабочем каталоге, видимом через ls. Поэтому он не будет ложно сообщать об утечке локальных файлов и не пропустит учетные данные, которые были удалены, но все еще существуют в старых коммитах. Четыре типа угроз обрабатываются отдельно (ключи требуют отзыва / внутренняя информация работодателя требует обобщения / PII и дефекты переносимости / локальные эксклюзивные продукты требуют прекращения отслеживания), и предоставляется машинная проверка для замкнутого цикла исправления (сравнение отчетов до и после + проверка исторических остатков + принудительный список отзыва), чтобы избежать «я думаю, что это исправлено». Внутренние словари вводятся извне, сам инструмент может быть с открытым исходным кодом. Применимые сценарии: первая публикация репозитория с открытым исходным кодом, обмен skill/статьей/демо/слайдом, передача кода внешним сторонам, проверка соответствия требованиям, выпуск перед релизом, а также проверка «утекла ли внутренняя информация в публичный продукт».

машинный переводПоказать оригиналСкрыть оригинал«发布前放行门禁:判定一个产物能否公开发布。与常规密钥扫描器的根本区别是判定对象——它以 git 已追踪内容 + 全部提交历史构成的「公开面」…»

发布前放行门禁:判定一个产物能否公开发布。与常规密钥扫描器的根本区别是判定对象——它以 git 已追踪内容 + 全部提交历史构成的「公开面」为准,而不是 ls 看到的工作目录,因此既不会把本地文件误报成泄露,也不会漏掉当前已删除但仍存在于旧 commit 中的凭证。四类威胁分离处置(凭证需吊销 / 雇主内部信息需泛化 / PII 兼可移植性缺陷 / 本地专属产物需停止追踪),并提供整改闭环的机器验证(前后报告对比 + 历史残留核查 + 强制吊销清单),避免『我觉得修好了』。内部词表一律外部注入,工具自身可开源。适用场景:开源仓库首次公开、分享 skill/文章/demo/slide、代码外发、合规审查、发版前放行、以及排查『内部信息是否泄露到公开产物』。

ClawHub Agent Skills автор: 腾讯开源 v1.0.1 MIT-0 8 файлов тело ≈ 1 738 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Контроль перед публикацией: определяет, может ли продукт быть опубликован.

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
45/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Секреты в коде secret-aws-key assets/self-audit-baseline.json:4
    AWS access key ID (значение-заглушка)
    "_review_note": "AKIA…PLE 为 AWS 官方文档固定示例串;变量插值语法非字面密码;apiKey 单测假值为说明用例;MYCO-/INT- 为词表语法示例;RealPass/10.0.3.14 为虚构教学样例;「司内」「公司内部」为设计原则论述用词。",
    заглушка
  • низкая Секреты в коде secret-aws-key references/false-positive-playbook.md:29
    AWS access key ID (значение-заглушка)
    | 厂商官方文档里的示例串| **误报**。如 AWS 的 `AKIA…PLE`(这串就是 AWS 文档专用示例) |
    заглушка
  • низкая Секреты в коде secret-aws-key references/false-positive-playbook.md:71
    AWS access key ID (значение-заглушка)
    | `AKIA…PLE` | AWS 官方文档的固定示例 Access Key |
    заглушка
  • низкая Секреты в коде secret-aws-key references/false-positive-playbook.md:144
    AWS access key ID (значение-заглушка)
    | 1 | `test/reda…:20` | `AKIA…PLE` | 误报 | AWS 官方文档示例串,且位于脱敏功能的单测中 |
    заглушка
  • низкая Секреты в коде secret-aws-key scripts/release_gate.py:463
    AWS access key ID (значение-заглушка)
    print("  (如 AKIA…PLE)、localhost 测试凭证、${VAR} 插值都是常见误报。")
    заглушка

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

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"

Процессный рейтинг: все десять параметров 45/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1738 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 10. 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
  • +2Инструкции на одном языке
  • +3Длина description 331 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (9 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill is a purpose-aligned release audit tool that scans user-selected repositories for public-facing secrets or internal information without hidden persistence or external data transfer.
LLM: benign (high) · VirusTotal: · 18 авг. 2026 г.