SKILLEMALL.ai
GitHub ↗ EN Войти

DC stripe_analytics

Полная аналитическая панель Stripe для основателей SaaS (только для чтения). ОСНОВНЫЕ МЕТРИКИ: MRR, отток (доход/клиент), NRR, LTV/CAC. КЛИЕНТЫ: Топ LTV, сегменты (план/гео/отрасль), показатели здоровья. ДОХОД: Расширение/сокращение, восстановление неуспешных платежей. ПРОГНОЗ: Прогноз MRR (1-12 месяцев). ИНСАЙТЫ: Действенные оповещения + возможности. Использование: "Метрики Stripe", "топ-клиенты", "риски оттока", "доход за 90 дней". ТРЕБУЕТСЯ: STRIPE_READ_KEY (ограничено: read:customers/subscriptions/invoices/payment_intents). ТАЙМАУТ: 8с | ПАРАЛЛЕЛЬНО: 5 вызовов API | КЭШИРОВАНИЕ: рекомендуется 1 час (на стороне вызывающего; не встроенное)

машинный переводПоказать оригиналСкрыть оригинал«Complete Stripe analytics dashboard for SaaS founders (READ-ONLY). CO…»

Complete Stripe analytics dashboard for SaaS founders (READ-ONLY). CORE METRICS: MRR, churn (revenue/customer), NRR, LTV/CAC CUSTOMER: Top LTV, segments (plan/geo/industry), health scores REVENUE: Expansion/contraction, failed payment recovery FORECAST: MRR projection (1-12 months) INSIGHTS: Actionable alerts + opportunities Usage: "Stripe metrics", "top customers", "churn risks", "90d revenue" REQUIRES: STRIPE_READ_KEY (restricted: read:customers/subscriptions/invoices/payment_intents) TIMEOUT: 8s | PARALLEL: 5 API calls | CACHE: 1hr recommended (caller-side; not built-in)

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка D
ClawHub Agent Skills автор: Tomas Mikula v1.0.2 MIT-0 4 файла · 1 скрипт тело ≈ 1 067 токенов Открыть источникclawhub.ai↗ проанализирован 14 дн назад

Полная аналитическая панель Stripe для основателей SaaS (только для чтения).

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

ИнтеграцияStripeДанные и аналитикаФинансытип 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
77/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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.

Широкие права
Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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. 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 · 1

  • высокая Широкие права meta-requests-env-secret SKILL.md:1
    Скилл просит рантайм передать в его песочницу секретные переменные: STRIPE_READ_KEY (особо ценные: STRIPE_READ_KEY) — проверьте, что каждая нужна для заявленной задачи
    required_environment_variables: STRIPE_READ_KEY

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "web"
  • заметка frontmatter-key неизвестное поле фронтматтера "install"
  • заметка frontmatter-key неизвестное поле фронтматтера "env"
  • заметка frontmatter-key неизвестное поле фронтматтера "gating"
  • заметка frontmatter-key неизвестное поле фронтматтера "slash-commands"
  • заметка frontmatter-key неизвестное поле фронтматтера "categories"

Процессный рейтинг: все десять параметров 59/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (stripe_analytics) не совпадает с папкой (stripe-analytics)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 21
  • 100Стоимость исполнения. Тело инструкции 1067 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -213 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 583 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (10 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This Stripe analytics skill is broadly purpose-aligned, but it handles sensitive billing data with several under-scoped or overstated security and accuracy claims.
LLM: suspicious (high) · VirusTotal: · 12 сент. 2026 г.