SKILLEMALL.ai

BC byted-data-label

Платформа разметки неструктурированных данных Seederive, использующая LLM для пакетной обработки текстовых, голосовых и графических данных. Обязательно используйте этот навык, когда пользователь упоминает любой из следующих сценариев: разметка данных, аннотирование, анализ тональности, классификация по меткам, извлечение мнений, перевод, анализ комментариев, идентификация троллей, оценка контента, управление библиотекой меток, оптимизация подсказок. Даже если пользователь напрямую не упоминает "Seederive", этот навык должен срабатывать, если речь идет о классификации/разметке/анализе/переводе/оценке партии текста, или если упоминаются такие фразы, как "помоги мне проанализировать эти комментарии", "какова тональность этих данных", "идентифицировать троллей", "извлечь мнения", "перевести эту партию контента", "создать систему меток", "эффект плохой, помоги мне оптимизировать". Также подходит для сценариев, когда пользователь предоставляет CSV/Excel файлы с требованием пакетной обработки.

машинный переводПоказать оригиналСкрыть оригинал«Seederive 非结构化数据打标平台,使用 LLM 对文本、语音、图片数据进行批量分析处理。 当用户提到以下任何场景时必须使用此 Ski…»

Seederive 非结构化数据打标平台,使用 LLM 对文本、语音、图片数据进行批量分析处理。 当用户提到以下任何场景时必须使用此 Skill:数据打标、标注、情感分析、标签分类、 观点提取、翻译、评论分析、水军识别、内容评分、标签库管理、提示词优化。 即使用户没有直接提到「Seederive」,只要涉及对一批文本做分类/打标/分析/翻译/评分, 或者提到「帮我分析这些评论」「这些数据的情感是什么」「识别水军」「提取观点」 「翻译这批内容」「建个标签体系」「效果不好帮我优化」等表述,都应触发此 Skill。 也适用于用户提供 CSV/Excel 文件要求批量处理的场景。

ClawHub Agent Skills автор: volcengine-skills v1.0.0 MIT-0 6 файлов тело ≈ 944 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Платформа разметки неструктурированных данных Seederive, использующая LLM для пакетной обработки текстовых, голосовых и графических данных.

Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
50/100
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Утечка данных net-redirectable-api-key scripts/seederive.py:61
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment

Просканировано файлов: 6. 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")

Процессный рейтинг: все десять параметров 50/100

  • 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
  • 75Шаги. Шагов: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 944 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 289 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: suspicious
This skill is built for Seederive cloud data labeling, but it uses broad automatic routing, cloud credentials, runtime package installation, and unconfirmed remote delete/update actions that users should review carefully.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.