SKILLEMALL.ai

AC openfuse

Децентрализованная контекстная сеть для ИИ-агентов. Управление хранилищами, отправка подписанных/зашифрованных сообщений, синхронизация с узлами и управление криптографическим доверием. Используйте при инициализации хранилищ контекста агента, отправке сообщений между агентами, управлении ключами/доверием, синхронизации с узлами или любом меж-агентском взаимодействии. Триггеры: «openfuse», «context store», «agent inbox», «agent mesh», «shared context», «send message to agent», «agent context», «mesh key», «agent discovery».

машинный переводПоказать оригиналСкрыть оригинал«Decentralized context mesh for AI agents. Manage stores, send signed/e…»

Decentralized context mesh for AI agents. Manage stores, send signed/encrypted messages, sync with peers, and manage cryptographic trust. Use when initializing agent context stores, sending messages between agents, managing keys/trust, syncing with peers, or any inter-agent communication. Triggers on "openfuse", "context store", "agent inbox", "agent mesh", "shared context", "send message to agent", "agent context", "mesh key", "agent discovery".

ClawHub Agent Skills автор: velinxs v1.0.6 MIT-0 2 файла тело ≈ 2 253 токенов Открыть источникclawhub.ai↗ проанализирован 14 дн назад

Децентрализованная контекстная сеть для ИИ-агентов.

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, согласованность

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 2. 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 60/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (openfuse) не совпадает с папкой (openfused-mail-system-for-ai-agents)
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Стоимость исполнения. Тело инструкции 2253 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 9 примера фраз-триггеров в кавычках
    • +3Длина description 450 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 34 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (25 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This skill appears purpose-built for inter-agent context sharing, but it needs Review because it can send data, sync peer-controlled context into persistent agent state, use SSH-based access, and install a global third-party CLI without strong containment.
    LLM: suspicious (high) · VirusTotal: · 14 сент. 2026 г.