SKILLEMALL.ai

BC git-repo-analyzer

Анализирует Git-репозиторий или обычную ссылку, автоматически определяет тип контента и выполняет соответствующий процесс обработки. Поддерживает четыре типа: 1) Проекты OpenClaw Skills (обнаружение рисков и сбор). 2) Проекты с тезисами/документами (добавляет в очередь ожидания dashifu — wiki). 3) Функциональные проекты (оценка осуществимости обучения OpenClaw). 4) Обычные веб-страницы/статьи (добавляет в очередь ожидания dashifu — wiki). Активируется, когда пользователь предоставляет любой URL (адрес Git или обычную ссылку), просит проанализировать ссылку, обработать проект, собрать статью, сохранить веб-страницу.

машинный переводПоказать оригиналСкрыть оригинал«智能分析 Git 仓库或普通链接,自动识别内容类型并执行相应处理流程。 支持四种类型:1) OpenClaw Skills 项目(风险检测与…»

智能分析 Git 仓库或普通链接,自动识别内容类型并执行相应处理流程。 支持四种类型:1) OpenClaw Skills 项目(风险检测与收藏)2) 论文/文档项目(加入 dashifu——wiki 待处理队列)3) 功能项目(评估 OpenClaw 学习可行性)4) 普通网页/文章(加入 dashifu——wiki 待处理队列)。 当用户提供任何 URL(Git 地址或普通链接)、要求分析链接、处理项目、收录文章、保存网页时触发此 skill。

ClawHub Agent Skills автор: woai36D v1.0.0 MIT-0 11 файлов тело ≈ 895 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализирует Git-репозиторий или обычную ссылку, автоматически определяет тип контента и выполняет соответствующий процесс обработки.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1

✓ Guard не нашёл подозрительного поведения. 1 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

Просканировано файлов: 11. 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 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 895 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
  • -31 из 9 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 226 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (11 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: suspicious
This skill is mostly transparent about analyzing URLs, but it can automatically install or replace local OpenClaw skills from cloned repositories after only a narrow review.
LLM: suspicious (high) · VirusTotal: · 9 июл. 2026 г.