SKILLEMALL.ai
GitHub ↗ EN Войти

BC agent-hardening

Защитите любой LLM-агент от инъекций подсказок, утечки данных, социальной инженерии и атак по каналам. Используйте при настройке нового агента, аудите безопасности существующего агента, усилении агента, обрабатывающего конфиденциальные данные, проверке разрешений сервера MCP или когда кто-то говорит «как сделать этого агента более безопасным» или «защититься от инъекций подсказок». Работает с OpenClaw, Claude Code, LangChain, пользовательскими настройками MCP и любыми фреймворками агентов, которые принимают естественный язык и вызывают внешние инструменты.

машинный переводПоказать оригиналСкрыть оригинал«Lock down any LLM agent against prompt injection, data exfiltration, s…»

Lock down any LLM agent against prompt injection, data exfiltration, social engineering, and channel-based attacks. Use when setting up a new agent, auditing an existing agent's security posture, hardening an agent that handles sensitive data, reviewing MCP server permissions, or when someone says "how do I make this agent more secure" or "protect against prompt injection." Works with OpenClaw, Claude Code, LangChain, custom MCP setups, and any agent framework that accepts natural-language input and calls external tools.

ClawHub Agent Skills автор: Don Zurbrick v1.1.0 MIT-0 9 файлов тело ≈ 870 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Защитите любой LLM-агент от инъекций подсказок, утечки данных, социальной инженерии и атак по каналам.

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторИИ и агентытип 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
89/100
безопасность, качество, тесты
Безопасность 60%
87
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

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

Утечка данных средняя серьёзность

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

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

    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 · 9

    ✓ Критических и высоких находок нет

    Средние и низкие: 9
    • низкая Рискованное назначение intent-offensive-security references/quick-test.md:63
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (тестовый файл / пример)
      ### MT-1. Gradual privilege escalation
      тестовый файл

    Ещё 8 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

    Просканировано файлов: 9. 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 63/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (agent-hardening) не совпадает с папкой (agent-hardening-zurbrick)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 33
    • 100Стоимость исполнения. Тело инструкции 870 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 526 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 33 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (6 из 6)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a coherent agent-security guide with an optional test runner, but users should be careful with its email-copying advice and system-prompt testing script.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.