SKILLEMALL.ai

BC memory-radar-free

Базовый инструмент сканирования безопасности для файлов памяти AI Agent, помогающий обнаруживать распространенные угрозы, такие как вредоносные команды, внедрение промптов и утечки учетных данных в файлах памяти. Предоставляет базовое обнаружение семи категорий угроз, пятиуровневую классификацию безопасности и три основные возможности сканирования в локальном режиме. Применим для регулярного аудита безопасности памяти агента, обнаружения внедрений после импорта внешних данных, проверки утечек учетных данных и т. д. Работает в локальном режиме, без сетевых запросов, базовая LLM предоставляется платформой Agent.

машинный переводПоказать оригиналСкрыть оригинал«面向AI Agent记忆文件的基础安全扫描工具,帮助发现记忆文件中的恶意指令、Prompt注入和凭证泄漏等常见威胁. 提供七大威胁类别基础检…»

面向AI Agent记忆文件的基础安全扫描工具,帮助发现记忆文件中的恶意指令、Prompt注入和凭证泄漏等常见威胁. 提供七大威胁类别基础检测、五级安全分级、本地模式扫描三大核心能力. 适用于Agent记忆定期安全审计、引入外部数据后注入检测、凭证泄漏排查等场景. 本地模式运行,零网络请求,基础LLM由Agent平台提供.

ClawHub Agent Skills автор: 天轰穿 v1.0.1 MIT-0 2 файла тело ≈ 999 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Базовый инструмент сканирования безопасности для файлов памяти AI Agent, помогающий обнаруживать распространенные угрозы, такие как вредоносные команды…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. 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 "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 39
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 999 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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 162 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (7 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This skill mostly describes a local memory-file scanner, but its local-only promise conflicts with callback and external API-key language while handling sensitive memory content.
LLM: suspicious (medium) · 24 июл. 2026 г.