SKILLEMALL.ai
EN Войти

BC looper

Автоматизация создания контента, улучшения кода и публикаций в социальных сетях через Looper (looper.bot). Используйте при настройке автоматических публикаций в блогах, непрерывных циклов улучшения кода, планирования публикаций в социальных сетях или управления повторяющимися рабочими процессами создания контента на основе ИИ. Поддерживает движки Blog Kit (ежедневная генерация блогов), Analyze (обзор кода), Create (генерация контента) и Social Kit (многоплатформенные публикации).

машинный переводПоказать оригиналСкрыть оригинал«Automate content creation, code improvement, and social media posting…»

Automate content creation, code improvement, and social media posting via Looper (looper.bot). Use when setting up automated blog posts, continuous code improvement loops, social media scheduling, or managing recurring AI-driven content workflows. Supports Blog Kit (daily blog generation), Analyze (code review), Create (content generation), and Social Kit (multi-platform posting) engines.

ClawHub Agent Skills автор: Builder-NC v1.2.0 MIT-0 4 файла · 1 скрипт тело ≈ 1 473 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Автоматизация создания контента, улучшения кода и публикаций в социальных сетях через Looper (looper.bot). Используйте при настройке автоматических публикаций…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаМаркетингтип 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
B
75/100
безопасность, качество, тесты
Безопасность 60%
75
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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

    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 · 5

    ✓ Критических и высоких находок нет

    Средние и низкие: 5
    • средняя Утечка данных net-credential-use scripts/looper-api.sh:17
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s "$API_URL/api/loops" -H "Authorization: Bearer $KEY"
    • средняя Утечка данных net-credential-use scripts/looper-api.sh:21
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s "$API_URL/api/loops/$2" -H "Authorization: Bearer $KEY"
    • средняя Утечка данных net-credential-use scripts/looper-api.sh:25
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s "$API_URL/api/loops/$2/runs" -H "Authorization: Bearer $KEY"
    • средняя Утечка данных net-credential-use scripts/looper-api.sh:29
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s -X POST "$API_URL/api/loops/$2/run" -H "Authorization: Bearer $KEY"
    • средняя Утечка данных net-credential-use scripts/looper-api.sh:40
      Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
      curl -s "$API_URL/api/github/status" -H "Authorization: Bearer $KEY"

    Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 59/100

    • 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
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 13
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1473 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 391 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 13 пунктов
    • +4Есть примеры (14 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

    Внешние проверки

    ClawHub: suspicious
    Looper matches its stated automation purpose, but it can create persistent workflows that directly change GitHub repositories, publish social posts, manage API keys, and run with broad delegated authority.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.