SKILLEMALL.ai

DF zhuge-skill

(описание отсутствует)

Не рекомендуетсянизкая оценка D
ClawHub Agent Skills автор: 小九 v1.1.1 MIT-0 32 файла тело ≈ 1 892 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Как процесс F 30/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/demo.png

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
56/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
0
Прогон на моделях
не было
Процессный рейтинг
F
30/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/demo.png
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
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.

Опасные команды средняя серьёзность

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

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. Добавьте description во фронтматтер: без него скилл никогда не сработает.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Опасные команды cmd-eval-dynamic core/wizard.py:94
    Динамическое выполнение кода из декодированного/недоверенного ввода
    os.system(f"{sys.executable} -m pip install -q requests python-dotenv")
  • низкая Утечка данных read-dotenv README.md:39
    Чтение файла .env
    cp .env.example .env   # Windows: copy .env.example .env

Просканировано файлов: 32. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка frontmatter SKILL.md: no YAML frontmatter block found
  • ошибка name-missing SKILL.md: нет поля name во фронтматтере
  • ошибка description-missing SKILL.md: нет description — скилл никогда не сработает
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/demo.png

Процессный рейтинг: все десять параметров 30/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/demo.png
  • 0Инструменты и файлы. Не хватает 1 файла(ов): assets/demo.png
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1892 токенов

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)
  • +3Длина description 0: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -213 эмодзи в инструкциях: шум для модели
  • -31 из 11 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 0.

Внешние проверки

ClawHub: clean
This is a coherent football prediction skill with local history files and documented external sports and LLM API use, but users should understand the credential, LLM, and local logging tradeoffs.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.