SKILLEMALL.ai
EN Войти

CD Li_codeql_LLM

CodeQL 安全扫描与 LLM 智能分析融合工具。自动检测 CodeQL 安装、扫描指定目录、生成漏洞报告、LLM 分析、Jenkins 集成、输出验证 Checklist。

ClawHub Agent Skills автор: Terry S Fisher v1.0.0 MIT-0 79 файлов · 2 скрипта тело ≈ 1 208 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ШаблонGitHubРазработкаИИ и агентыИнфраструктуратип 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
64/100
безопасность, качество, тесты
Безопасность 60%
65
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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

  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 · 19

✓ Критических и высоких находок нет

Средние и низкие: 19
  • средняя Опасные команды cmd-shell-rc README_BILINGUAL.md:425
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export PATH=/opt/codeql/codeql:$PATH' >> ~/.bashrc
  • средняя Опасные команды cmd-shell-rc README_BILINGUAL.md:451
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export PATH=/opt/codeql/codeql:$PATH' >> ~/.bashrc
  • средняя Опасные команды cmd-shell-rc README.md:29
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export PATH=/opt/codeql/codeql:$PATH' >> ~/.bashrc
  • средняя Опасные команды cmd-shell-rc README.md:255
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export PATH=/opt/codeql/codeql:$PATH' >> ~/.bashrc
  • низкая Утечка данных read-dotenv CONFIG_GUIDE.md:9
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv QUICK_START.md:156
    Чтение файла .env
    cat .env | grep -E "JENKINS|CODEQL"
  • низкая Утечка данных read-dotenv README_FINAL.md:349
    Чтение файла .env
    cp .env.example .env
  • низкая Утечка данных read-dotenv run.sh:27
    Чтение файла .env
    source .env
  • низкая Утечка данных read-dotenv run.sh:32
    Чтение файла .env (в кавычках — упоминание, а не команда)
    echo -e "${BLUE}💡 提示 / Tip: cp .env.example .env${NC}"
    в кавычках
  • низкая Утечка данных read-dotenv TEST_REPORT.md:161
    Чтение файла .env (тестовый файл / пример)
    cat .env | grep -E "JENKINS|GITEA|CODEQL"
    тестовый файл
  • низкая Утечка данных read-dotenv test_scan.sh:41
    Чтение файла .env (тестовый файл / пример; документация security-скилла)
    source .env 2>/dev/null || true
    тестовый файлsecurity-скилл
  • низкая Опасные команды cmd-eval-dynamic test-20260319-072752/codeql-db/results/run-info-20260318.232800.466.yml:681
    Динамическое выполнение кода из декодированного/недоверенного ввода (в кавычках — упоминание, а не команда)
    \ os\n\ndef download(path): \n    os.system(\"wget \" + path) # NOT OK\n\n```\n\
    в кавычках
  • низкая Опасные команды cmd-eval-dynamic test-output/codeql-db/results/run-info-20260318.230324.362.yml:681
    Динамическое выполнение кода из декодированного/недоверенного ввода (в кавычках — упоминание, а не команда)
    \ os\n\ndef download(path): \n    os.system(\"wget \" + path) # NOT OK\n\n```\n\
    в кавычках
  • низкая Опасные команды cmd-eval-dynamic test-output2/codeql-db/results/run-info-20260318.230454.430.yml:681
    Динамическое выполнение кода из декодированного/недоверенного ввода (в кавычках — упоминание, а не команда)
    \ os\n\ndef download(path): \n    os.system(\"wget \" + path) # NOT OK\n\n```\n\
    в кавычках
  • низкая Опасные команды cmd-eval-dynamic test-output3/codeql-db/results/run-info-20260318.231603.503.yml:681
    Динамическое выполнение кода из декодированного/недоверенного ввода (в кавычках — упоминание, а не команда)
    \ os\n\ndef download(path): \n    os.system(\"wget \" + path) # NOT OK\n\n```\n\
    в кавычках
  • низкая Утечка данных read-dotenv 配置检查报告.md:150
    Чтение файла .env (определение детектора / чёрного списка)
    - ✅ `run.sh` - 使用 `source .env`
    детектор
  • низкая Утечка данных read-dotenv 配置检查报告.md:151
    Чтение файла .env (определение детектора / чёрного списка)
    - ✅ `test_scan.sh` - 使用 `source .env`
    детектор

Ещё 2 совпадений отнесены к цитатам в документации скилла по безопасности и не считаются находками.

Просканировано файлов: 79. 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)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (Li_codeql_LLM) не совпадает с папкой (li-codeql-llm)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 47
  • 100Стоимость исполнения. Тело инструкции 1208 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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 88: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -216 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 36 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (18 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.

Внешние проверки

ClawHub: suspicious
This skill is a security scanner, but it also includes under-scoped Jenkins administration, credential examples, remote analysis paths, and exploit-style validation output that users should review carefully before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.