SKILLEMALL.ai
GitHub ↗ EN Войти

BD StoryExplanation

Генерирует повествовательные объяснения от первого лица пользователя, от 3-частного повествования до пронумерованных пунктов CSE, каждый из которых является самостоятельной мыслью, готовой для публикации в соцсетях. ИСПОЛЬЗОВАТЬ КОГДА: объяснение истории, краткое изложение повествования, CSE, CSE5, рассказать как историю, объяснить как историю, создать повествование, формат истории, резюмировать как историю, объяснить моим голосом, со ссылками, с цитатами, сокращенно, объяснить этот YouTube, объяснить эту статью. НЕ ИСПОЛЬЗОВАТЬ ДЛЯ: многоисточникового исследования (Research), написания черновиков оригинальных постов в соцсетях или блогов, извлечения мудрости (ExtractWisdom).

машинный переводПоказать оригиналСкрыть оригинал«Generates narrative explanations in the user's first-person voice, fro…»

Generates narrative explanations in the user's first-person voice, from 3-part narrative to CSE numbered points, each a standalone social-ready thought. USE WHEN story explanation, narrative summary, CSE, CSE5, tell as story, explain as a story, create a narrative, story format, summarize as story, explain in my voice, with links, with citations, abridged, explain this YouTube, explain this article. NOT FOR multi-source research (Research), writing original social posts or blog drafts, wisdom extraction (ExtractWisdom).

danielmiessler/Personal_AI_Infrastructure Agent Skills автор: danielmiessler 13 файлов · 1 скрипт тело ≈ 1 501 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Генерирует повествовательные объяснения от первого лица пользователя, от 3-частного повествования до пронумерованных пунктов CSE, каждый из которых является…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторYouTubeТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
D
47/100
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.

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

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Опасные команды cmd-pipe-to-shell-known-host Setup.md:66
      Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
      curl -fsSL https://raw.githubusercontent.com/danielmiessler/fabric/main/scripts/installer/install.sh | bash

    Просканировано файлов: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "evals"

    Процессный рейтинг: все десять параметров 47/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 8
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1501 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 525 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 8 пунктов
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.