BF Email Automation
Отправляйте и автоматизируйте электронные письма с помощью ConvertKit или Mailchimp.
машинный переводПоказать оригиналСкрыть оригинал«Send and automate emails using ConvertKit or Mailchimp.…»
Send and automate emails using ConvertKit or Mailchimp.
Отправляйте и автоматизируйте электронные письма с помощью ConvertKit или Mailchimp.
Как процесс F 31/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
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».
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
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
средняя Утечка данных
net-credential-uselib/convertkit-api.sh:35Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -s "$CONVERTKIT_API_BASE/sequences?api_secret=$CONVERTKIT_API_SECRET"
-
средняя Утечка данных
net-credential-uselib/convertkit-api.sh:66Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -s "$CONVERTKIT_API_BASE/sequences/$sequence_id/subscriptions?api_secret=$CONVERTKIT_API_SECRET"
Просканировано файлов: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "id" - заметка
frontmatter-keyнеизвестное поле фронтматтера "last_amended_at" - заметка
frontmatter-keyнеизвестное поле фронтматтера "trigger_patterns" - заметка
frontmatter-keyнеизвестное поле фронтматтера "pre_conditions" - заметка
frontmatter-keyнеизвестное поле фронтматтера "expected_output_format"
Процессный рейтинг: все десять параметров 31/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 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
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (Email Automation) не совпадает с папкой (email-automation-dv)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Стоимость исполнения. Тело инструкции 134 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)
- +3Длина description 55: рекомендуется 120–800 символов
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 5 заголовков
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 58.