SKILLEMALL.ai
GitHub ↗ EN Войти

CD daily-literature

Автоматизированная система ежедневного поиска литературы для научных исследователей. Выполняет запланированные поиски по PubMed, OpenAlex и Semantic Scholar с автоматическим дедупликацией, загрузкой OA, интеллектуальной категоризацией и ежедневными отчетами.

машинный переводПоказать оригиналСкрыть оригинал«Automated daily literature search system for academic researchers. Per…»

Automated daily literature search system for academic researchers. Performs scheduled searches across PubMed, OpenAlex, and Semantic Scholar with automatic deduplication, OA download, smart categorization, and daily reports.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: Wzr101622 v1.0.0 MIT-0 11 файлов · 1 скрипт тело ≈ 1 499 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Автоматизированная система ежедневного поиска литературы для научных исследователей.

Как процесс D 38/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикаИнфраструктураИсследованиятип 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
C
71/100
безопасность, качество, тесты
Безопасность 60%
75
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
38/100
Процесс не доведён
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

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. 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 · 8

  • высокая Опасные команды cmd-persistence install.sh:164
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    (crontab -l 2>/dev/null | grep -v "daily_literature_search.py") | crontab -
Средние и низкие: 7
  • низкая Опасные команды cmd-cron-mention install.sh:164
    Упоминание редактирования crontab
    (crontab -l 2>/dev/null | grep -v "daily_literature_search.py") | crontab -
  • низкая Опасные команды cmd-cron-mention install.sh:169
    Упоминание редактирования crontab
    crontab -l 2>/dev/null | grep -v "daily_literature_search.py" > "$TEMP_CRON" || true
  • низкая Утечка данных read-dotenv install.sh:186
    Чтение файла .env (комментарий в коде)
    # Edit this file and run: source .env
    комментарий
  • низкая Утечка данных read-dotenv install.sh:265
    Чтение файла .env (определение детектора / чёрного списка)
    echo "2. Edit .env file and run: source .env"
    детектор
  • низкая Утечка данных read-dotenv README.md:25
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv README.md:27
    Чтение файла .env
    source .env
  • низкая Опасные команды cmd-cron-mention README.md:46
    Упоминание редактирования crontab
    crontab -l | grep daily_literature

Просканировано файлов: 10. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "requirements"
  • заметка frontmatter-key неизвестное поле фронтматтера "env_vars"

Процессный рейтинг: все десять параметров 38/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (daily-literature) не совпадает с папкой (daily-literature-search)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 43, расплывчатых формулировок: 1
  • 100Стоимость исполнения. Тело инструкции 1499 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • -212 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 43 пунктов
  • +4Есть примеры (10 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This appears to be a real literature-monitoring skill, but it needs review because installation adds recurring background execution and the search script runs another local skill that is not clearly declared as a dependency.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.