SKILLEMALL.ai
GitHub ↗ EN Войти

BC internal-admin-playwright

Навык автоматизации внутреннего бэкэнда на Python + Playwright, поддерживает VPN (L2TP/IPsec) с настраиваемым подключением, строгий белый список доменов, маршрутизацию команд на китайском языке (например, переход к управлению комментариями для комментариев к видео, переход к управлению статьями для списка статей) и выполнение фиксированных процессов. Используется для контролируемого доступа к внутреннему бэкэнду, запрета доступа из внешней сети и выполнения операций меню в соответствии с заданными командами.

машинный переводПоказать оригиналСкрыть оригинал«Python + Playwright 内部后台自动化技能，支持 VPN(L2TP/IPsec) 可配置接入、严格域名白名单、中文指令路由（…»

Python + Playwright 内部后台自动化技能，支持 VPN(L2TP/IPsec) 可配置接入、严格域名白名单、中文指令路由（例如进入评论管理到视频评论、进入文章管理到文章列表）与固定流程执行。用于受控访问内网后台、禁止外网访问并按预设命令执行菜单操作。

ClawHub Agent Skills автор: wulooongcha v1.0.0 MIT-0 18 файлов тело ≈ 208 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык автоматизации внутреннего бэкэнда на Python + Playwright, поддерживает VPN (L2TP/IPsec) с настраиваемым подключением, строгий белый список доменов…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураPlaywrightРазработкаИнфраструктуратип 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
B
85/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

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
  • низкая Секреты в коде secret-password-literal references/vpn_config.yaml:4
    Захардкоженный пароль / ключ (возможно, пример)
    password: "fxK1…4g2"

Просканировано файлов: 18. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 208 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -34 из 6 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 134 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: suspicious
This skill is meant for internal admin automation, but it ships sensitive-looking credentials, under-scoped network controls, and undocumented privileged moderation/debug tooling that users should review carefully before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.