SKILLEMALL.ai
GitHub ↗ EN Войти

BD ai-building-ai-governance

Практическое руководство по управлению и безопасности ИИ, созданного ИИ — структура управления для передового направления «автономная разработка и самосовершенствование ИИ»: спектр форм ИИ, созданного ИИ (ИИ-агенты, пишущие код; обучение ИИ на синтетических данных и дистилляция; автоматизация исследований ИИ; самосовершенствование и рекурсивное улучшение ИИ), риски автономной разработки (приобретение способностей, неконтролируемое рекурсивное самосовершенствование, несоответствие целей, внезапный скачок способностей), контроль доступа и управление границами разработки (пороги способностей, обратимость, красные линии надзора), соответствие требованиям при работе с синтетическими данными и дистилляцией (проверка качества, идентификация контента, отслеживание авторских прав и обучающих данных), проверка результатов работы ИИ (проверка кода/исследований/моделей, сгенерированных ИИ, и взаимодействие с red teaming), организационное внедрение (управление разработкой ИИ с помощью ИИ, оценка поставщиков, аудиторские отчеты). Включает локальный инструмент без зависимостей для мгновенного определения формы, выявления рисков, генерации контрольных списков управления и ключевых моментов соответствия синтетических данных. Предназначено для руководителей в области ИИ-инженерии, управления, безопасности и стратегии, а также для расширения передовых знаний в области управления ИИ/управления агентами/тестирования red teaming.

машинный переводПоказать оригиналСкрыть оригинал«AI 造 AI 治理与安全实操手册——面向"AI 自主开发与自我改进"前沿的治理框架：AI 造 AI 形态谱系（AI 编码智能体写代码、AI…»

AI 造 AI 治理与安全实操手册——面向"AI 自主开发与自我改进"前沿的治理框架：AI 造 AI 形态谱系（AI 编码智能体写代码、AI 训练 AI 之合成数据与蒸馏、AI 研究自动化、AI 自我改进与递归提升）、自主开发风险（能力获取、递归自我改进失控、目标错位、突然能力跃升）、开发门禁与边界治理（能力门槛、可逆性、监督红线）、合成数据与蒸馏的合规治理（质量验证、内容标识衔接、版权与训练数据溯源）、AI 产物验证（AI 生成代码/研究/模型的验证与红队衔接）、组织落地（AI 造 AI 工程治理、供应商评估、审计报告）。附零依赖本地工具一键判定形态、识别风险、生成治理检查清单与合成数据合规要点。面向 AI 工程、治理、安全与战略负责人，与 AI 治理/智能体治理/红队测试形成前沿延伸。

ClawHub Hermes автор: zhaoxinghua09-cell v1.0.0 MIT-0 17 файлов тело ≈ 599 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Практическое руководство по управлению и безопасности ИИ, созданного ИИ — структура управления для передового направления «автономная разработка и…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 349 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "title"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 599 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
  • +2Инструкции на одном языке
  • +3Длина description 349 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This skill is a local governance guide with a small standard-library CLI and no evidence of hidden network, credential, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 27 авг. 2026 г.