SKILLEMALL.ai

AD pumpfun-sniper

Оценивает любой токен pump.fun CA на безопасность для снайпинга (0-100) перед покупкой. Анализирует историю кошелька разработчика, социальные ссылки, ликвидность и концентрацию держателей. Возвращает вердикт SNIPE / CAUTION / AVOID с подробным разбором сигналов. Используйте, когда пользователь хочет снайпить новый токен, проверить, безопасен ли токен pump.fun, оценить новый запуск, обнаружить потенциальный скам (rug), или проанализировать новый CA перед покупкой. Ключевые слова: pump.fun snipe, rug check, new token score, CA analysis, safe to buy.

машинный переводПоказать оригиналСкрыть оригинал«Score any pump.fun token CA for snipe safety (0-100) before buying. An…»

Score any pump.fun token CA for snipe safety (0-100) before buying. Analyzes dev wallet history, social links, liquidity, and holder concentration. Returns SNIPE / CAUTION / AVOID verdict with detailed signal breakdown. Use when the user wants to snipe a new token, check if a pump.fun token is safe, score a new launch, detect rug potential, or analyze a fresh CA before buying. Keywords: pump.fun snipe, rug check, new token score, CA analysis, safe to buy.

ClawHub Agent Skills автор: Lougseus v1.0.0 19 файлов тело ≈ 544 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оценивает любой токен pump.fun CA на безопасность для снайпинга (0-100) перед покупкой. Анализирует историю кошелька разработчика, социальные ссылки…

Как процесс D 44/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token api/server.py:26
      Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
      USDC_BASE = "0x83…913"
      детектор

    Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 44/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 544 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 459 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +4Есть примеры (3 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly does what it advertises, but its web UI and paid payment flow have enough security and disclosure gaps that users should review it before installing.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.