SKILLEMALL.ai
GitHub ↗ EN Войти

AC heartbeat-cron

Создавайте и дорабатывайте файлы HEARTBEAT.md для murmur — демона командной строки, который запускает запланированные запросы Claude по расписанию cron или интервалу. Используйте этот навык, когда пользователь хочет настроить повторяющееся автоматизированное действие (например, «отслеживать мои проблемы на GitHub», «проверять Hacker News на наличие статей об ИИ», «следить за моими конечными точками», «отправлять мне ежедневный дайджест»). Проводит пользователя через опрос, составляет подсказку heartbeat, тестирует ее и регистрирует в планировщике murmur. Активаторы: heartbeat, murmur, recurring task, scheduled action, cron, monitor, watch, automate, periodic check, scheduled prompt.

машинный переводПоказать оригиналСкрыть оригинал«Create and refine HEARTBEAT.md files for murmur — a CLI daemon that ru…»

Create and refine HEARTBEAT.md files for murmur — a CLI daemon that runs scheduled Claude prompts on a cron or interval schedule. Use this skill when the user wants to set up a recurring automated action (e.g., "monitor my GitHub issues", "check Hacker News for AI articles", "watch my endpoints", "send me a daily digest"). Guides the user through an interview, drafts the heartbeat prompt, tests it, and registers it with murmur's scheduler. Triggers: heartbeat, murmur, recurring task, scheduled action, cron, monitor, watch, automate, periodic check, scheduled prompt.

ClawHub Agent Skills автор: wyblhl v0.4.4 MIT-0 38 файлов тело ≈ 2 468 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Создавайте и дорабатывайте файлы HEARTBEAT.md для murmur — демона командной строки, который запускает запланированные запросы Claude по расписанию cron или…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

ГенераторGitHubИИ и агентытип 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
A
95/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
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 · 3

    ✓ Критических и высоких находок нет

    Средние и низкие: 3
    • низкая Утечка данных exfil-webhook-url references/examples.md:12
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      - **Telegram bot**: `curl -s "https://api.telegram.org/bot$TELEGRAM_TOKEN/sendMessage" -d "chat_id=$CHAT_ID&text=..."`
      заглушка
    • низкая Утечка данных net-credential-use references/examples.md:12
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (тестовый файл / пример; в кавычках — упоминание, а не команда)
      - **Telegram bot**: `curl -s "https://api.telegram.org/bot$TELEGRAM_TOKEN/sendMessage" -d "chat_id=$CHAT_ID&text=..."`
      тестовый файлв кавычках
    • низкая Утечка данных exfil-webhook-url references/examples.md:88
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (тестовый файл / пример; в кавычках — упоминание, а не команда)
      - Send a Telegram message: `curl -s "https://api.telegram.org/bot{token}/sendMessage" -d "chat_id={id}&text=PR #{number} needs review: {title}"`
      тестовый файлв кавычках

    Просканировано файлов: 3. 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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 8
    • 85Шаги. Шагов: 52, расплывчатых формулировок: 2
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2468 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 4 примера фраз-триггеров в кавычках
    • +3Длина description 572 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 52 пунктов
    • +4Есть примеры (7 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    This skill is coherent, but it helps set up recurring agents that can run commands, mutate accounts, send data externally, and includes an unsafe Docker cleanup example.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.