SKILLEMALL.ai
EN Войти

AC skill-releaser

Выпуск навыков в ClawhHub через полный конвейер публикации — автоматическое создание структуры, проверка OPSEC, двойной обзор (агента и пользователя), принудительный push релиза, проверка безопасности. Используйте при выпуске навыка, подготовке навыка к выпуску, обзоре навыка для публикации или проверке готовности к выпуску.

машинный переводПоказать оригиналСкрыть оригинал«Release skills to ClawhHub through the full publication pipeline — aut…»

Release skills to ClawhHub through the full publication pipeline — auto-scaffolding, OPSEC scan, dual review (agent + user), force-push release, security scan verification. Use when releasing a skill, preparing a skill for release, reviewing a skill for publication, or checking release readiness.

ClawHub Agent Skills автор: Chunhua Liao v1.5.0 11 файлов · 3 скрипта тело ≈ 5 307 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Выпуск навыков в ClawhHub через полный конвейер публикации — автоматическое создание структуры, проверка OPSEC, двойной обзор (агента и пользователя)…

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

ШаблонИнфраструктураИИ 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
59/100
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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5307 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"

Процессный рейтинг: все десять параметров 59/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 46, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python, node), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5307 токенов
  • 85Шаги. Шагов: 77, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 11, 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 297 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 77 пунктов
  • +4Есть примеры (21 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This skill is a coherent release automation tool, but it needs Review because its high-impact publishing workflow has a flawed security gate and relies on unpinned local tooling before making content public.
LLM: suspicious (high) · VirusTotal: benign · 28 мая 2026 г.