SKILLEMALL.ai
GitHub ↗ EN Войти

CC letssendit

Инфраструктура для координации запусков токенов под управлением сообществ, агентов или обоих. Механизмы лучше обещаний.

машинный переводПоказать оригиналСкрыть оригинал«Coordination infrastructure for token launches led by communities, age…»

Coordination infrastructure for token launches led by communities, agents, or both. Mechanics beat promises.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 6 файлов тело ≈ 1 721 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Инфраструктура для координации запусков токенов под управлением сообществ, агентов или обоих.

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

ПроцедураИИ 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
C
62/100
безопасность, качество, тесты
Безопасность 60%
60
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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.

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

  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 · 8

✓ Критических и высоких находок нет

Средние и низкие: 8
  • средняя Утечка данных net-credential-use QUICKSTART.md:34
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use QUICKSTART.md:55
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use QUICKSTART.md:73
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use QUICKSTART.md:82
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use QUICKSTART.md:101
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:159
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:165
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "Authorization: Bearer $LSI_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:171
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -X POST -H "Authorization: Bearer $LSI_API_KEY" \

Просканировано файлов: 6. 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 "homepage"

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 20, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1721 токенов
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

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)
  • +3Длина description 108: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -224 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.