SKILLEMALL.ai
GitHub ↗ EN Войти

BC reverse-engineer-anything

Анализируйте нативные, управляемые, Electron/JavaScript, упакованные, прошивки и браузерные цели с помощью REA, а также создавайте среды агентов (пакеты AgentEnv) веб-приложений из рабочего экземпляра или захвата. Используйте предоставленные артефакты или запрошенные данные времени выполнения для объяснения функций, сравнения версий, декомпиляции кода или помощи в реконструкции. Пропускайте REA для обычного анализа архитектуры репозитория исходного кода.

машинный переводПоказать оригиналСкрыть оригинал«Reverse engineer native, managed, Electron/JavaScript, packaged, firmw…»

Reverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.

Разбор skillemall

Скилл обещает разобрать под капотом всё: нативный код, управляемые сборки, Electron, прошивки, браузеры. Инструкция на 5783 токена описывает методику, но без примеров и без прогонов на моделях — песочница не запускалась, тесты не было.

Файлов семь, скриптов ноль. Качество кода — 78 баллов, процесс — 59. Критических багов не нашли, но и не проверили толком. На практике скилл остаётся теорией: как именно он будет работать с реальным бинарником или firmware в руках конкретной модели — неизвестно. Ставить, если вам нужна справка по методике реверс-инжиниринга, а не рабочий инструмент.

morluto/rea Agent Skills автор: morluto MIT 8 файлов тело ≈ 8 682 токенов Открыть источникgithub.com↗ проанализирован 16 ч назад

Анализируйте нативные, управляемые, Electron/JavaScript, упакованные, прошивки и браузерные цели с помощью REA, а также создавайте среды агентов (пакеты…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, стоимость исполнения

АнализаторGitHubРазработкаИИ и агентытип 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
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 8682 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 327, 333): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 60/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8682 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 54
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 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 403 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.