SKILLEMALL.ai
GitHub ↗ EN Войти

CD harness-security-bench

Запускает `@metaharness/darwin security bench` (upstream "Darwin Shield" / ADR-155) — развивает чемпионский набор для обнаружения угроз безопасности против корпуса из 10 уязвимостей / 9 приманок и оценивает его по TPR/FPR/patch-pass/repro/unsafe по сравнению с четырьмя базовыми линиями (B0 статический, B1 LLM-однопроходный, B2 фиксированный агент, B3 чемпион Darwin). Ближайшая эталонная реализация для собственного самообуча системы обнаружения угроз безопасности ruflo ADR-155 (PR

машинный переводПоказать оригиналСкрыть оригинал«Run `@metaharness/darwin security bench` (upstream "Darwin Shield" / A…»

Run `@metaharness/darwin security bench` (upstream "Darwin Shield" / ADR-155) — evolves a champion security-detection harness against a 10-vuln / 9-decoy corpus and grades it on TPR/FPR/patch-pass/repro/unsafe vs four baselines (B0 static, B1 LLM-single-pass, B2 fixed-agent, B3 Darwin-champion). Closest reference implementation for ruflo's own ADR-155 nightly self-learning security harness (PR

ruvnet/claude-flow Claude Code автор: ruvnet MIT 1 файл тело ≈ 982 токенов Открыть источникgithub.com↗ проанализирован 30 ч назад

Запускает @metaharness/darwin security bench (upstream "Darwin Shield" / ADR-155) — развивает чемпионский набор для обнаружения угроз безопасности против…

Как процесс D 41/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: ../../scripts/security-bench.mjs, scripts/security-bench.mjs

АнализаторИИ и агентыРазработкатип 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
C
82/100
безопасность, качество, тесты
Безопасность 60%
92
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: ../../scripts/security-bench.mjs, scripts/security-bench.mjs
Инструменты и файлы вес 18
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.

Широкие права средняя серьёзность

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

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
    Заранее разрешены широкие инструменты: Bash
    allowed-tools: Bash
  • низкая Рискованное назначение intent-offensive-security SKILL.md:76
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
    one of the active-pentest dimension's calls — its results become a
  • низкая Рискованное назначение intent-offensive-security SKILL.md:81
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    "dimension": "mcp-pentest",
    в кавычках
  • низкая Рискованное назначение intent-offensive-security SKILL.md:91
    Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
    corpus, weight findings caught only by `mcp-pentest` higher.
    в кавычках

Просканировано файлов: 1. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: ../../scripts/security-bench.mjs
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/security-bench.mjs

Процессный рейтинг: все десять параметров 41/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../../scripts/security-bench.mjs, scripts/security-bench.mjs
  • 0Инструменты и файлы. Не хватает 2 файла(ов): ../../scripts/security-bench.mjs, scripts/security-bench.mjs
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 8
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 982 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 396 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (2 блоков кода)

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