SKILLEMALL.ai
GitHub ↗ EN Войти

BC operating-autodl-training

Выполняет удаленные задания по обучению моделей на серверах AutoDL Linux через SSH. Использовать при запуске обучения, проверке того, продолжается ли обучение, просмотре использования GPU/CPU/памяти/диска, чтении последних журналов, диагностике аномальных прерываний или обобщении последнего результата обучения с рекомендациями по следующим шагам.

машинный переводПоказать оригиналСкрыть оригинал«Operates remote model training jobs on AutoDL Linux servers over SSH.…»

Operates remote model training jobs on AutoDL Linux servers over SSH. Use when starting a training run, checking whether training is still alive, reviewing GPU/CPU/memory/disk usage, reading recent logs, diagnosing abnormal interruptions, or summarizing the latest training outcome with next-step recommendations.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: Zhuoran-Liu v1.0.0 MIT-0 14 файлов тело ≈ 1 356 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Выполняет удаленные задания по обучению моделей на серверах AutoDL Linux через SSH.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

АнализаторИнфраструктуратип 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
B
85/100
безопасность, качество, тесты
Безопасность 60%
81
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Согласованность вес 8
40
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.
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

  • высокая Опасные команды cmd-encoded-exec scripts/common.py:285
    Выполнение закодированного (base64) кода (строковый литерал в коде, не выполняется)
    remote_command = f"printf %s {shell_quote(encoded_script)} | base64 -d | bash -s --"
    строка в коде
Средние и низкие: 1
  • низкая Опасные команды cmd-background-process scripts/remote_train.py:59
    Запуск фонового / автозапускаемого процесса (строковый литерал в коде, не выполняется)
    nohup "$LAUNCHER_PATH" >> "$TRAIN_LOG" 2>&1 < /dev/null &
    строка в коде

Просканировано файлов: 13. 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 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (operating-autodl-training) не совпадает с папкой (autodl-train)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 33
  • 100Стоимость исполнения. Тело инструкции 1356 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 313 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 6 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

Внешние проверки

ClawHub: clean
This is a disclosed SSH helper for launching and monitoring AutoDL training jobs, with sensitive but purpose-aligned server access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.