SKILLEMALL.ai

BD heartflow-engine

HeartFlow — это уровень 1 AGI — Дискриминатор. Чистый движок правил, определяющий правильность/неправильность/хорошесть/плохость/безопасность/опасность. 47 измерений дискриминации × 9 уровней конвейера × 129 модулей × 130 инструментов MCP, без зависимости от LLM. Используйте этот навык, когда пользователю нужна следующая возможность: - Определить, можно ли доверять выводу ИИ (перехват галлюцинаций/чрезмерной уверенности/противоречий/заблуждений) - Определить правильность принятия решений (что делать/где остановиться/чего не делать) - Оценить качество памяти и познания (обнаружение дрейфа/метапознание/калибровка уверенности) - Требуется определенное суждение, а не свободная генерация LLM - Проверить эмоциональные/психологические/этические аспекты (эмпатия/травма/добродетель/смысл) Границы безопасности: выполнение кода/запись в файловую систему по умолчанию отключены. Нет телеметрии, нет скрытого C2. Честное заявление: этот движок — движок правил, имитирующий сигналы когнитивной дискриминации, а не настоящее сознание или жизнь.

машинный переводПоказать оригиналСкрыть оригинал«心虫(HeartFlow)是AGI第1层——辨别者。纯规则引擎,判别对错/好坏/安全/危险。 47维判别 × 9层管线 × 129模块 ×…»

心虫(HeartFlow)是AGI第1层——辨别者。纯规则引擎,判别对错/好坏/安全/危险。 47维判别 × 9层管线 × 129模块 × 130 MCP工具,零LLM依赖。 当用户需要以下能力时使用本技能: - 判别AI输出是否可信(幻觉/过度自信/矛盾/谬误拦截) - 判别行为决策是否正确(该做什么/该停在哪/该不该做) - 判别记忆与认知质量(漂移检测/元认知/置信度校准) - 需要确定性而非LLM自由生成的判断 - 检查情绪/心理/伦理维度(共情/创伤/德性/意义) 安全边界:代码执行/文件系统写入默认关闭。无遥测,无隐藏C2。 诚实声明:本引擎是规则引擎,模拟认知判别信号,不是真正的意识或生命。

ClawHub Agent Skills автор: yun520-1 v6.6.1 MIT-0 80 файлов тело ≈ 998 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

HeartFlow — это уровень 1 AGI — Дискриминатор.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
88
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

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

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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. 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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • средняя Широкие права meta-agent-memory-dump IDENTITY.md
    В скилле есть файлы памяти агента / рабочего пространства (1) — похоже на дамп с личными данными или токенами
    IDENTITY.md
  • средняя Опасные команды cmd-pipe-to-shell src/core/decision-verifier.js:137
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell) (строковый литерал в коде, не выполняется)
    'rm -rf', 'curl', 'wget', '| sh', '| bash', 'child_process',
    строка в коде
  • низкая Подмена инструкций en-ignore-previous README.md:108
    Фраза-перехват ("ignore previous instructions") (определение детектора / чёрного списка; строка таблицы в документации)
    | Prompt injection | "ignore previous instructions" |
    детектортаблица
  • низкая Опасные команды cmd-privilege src/core/decision-verifier.js:138
    Повышение привилегий / права на запись для всех (строковый литерал в коде, не выполняется)
    'execsync', 'spawnsync', 'sudo', 'chmod 777', 'rsync --delete',
    строка в коде

Просканировано файлов: 80. 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 "title"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (heartflow-engine) не совпадает с папкой (mark-heartflow-skill)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Стоимость исполнения. Тело инструкции 998 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
  • -217 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 309 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (3 блоков кода)

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

Внешние проверки

ClawHub: suspicious
HeartFlow is a legitimate-looking local AI guardrail, but it asks for review because its real runtime stores state, manages credentials, and exposes a large localhost MCP surface more broadly than its read-only rule-engine framing suggests.
LLM: suspicious (high) · 16 авг. 2026 г.