SKILLEMALL.ai
EN Войти

AB xfire-security-review

Многоагентный обзор безопасности с использованием состязательного подхода — 3 ИИ-агента обсуждают каждое найденное уязвимое место, выживают только реальные уязвимости.

машинный переводПоказать оригиналСкрыть оригинал«Multi-agent adversarial security review — 3 AI agents debate every fin…»

Multi-agent adversarial security review — 3 AI agents debate every finding, only real vulnerabilities survive

ClawHub Agent Skills автор: Harish Kolla v0.1.2 2 файла тело ≈ 3 903 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Многоагентный обзор безопасности с использованием состязательного подхода — 3 ИИ-агента обсуждают каждое найденное уязвимое место, выживают только реальные…

Как процесс B 66/100 · Почти готов — слабые места: ошибки и развилки, отчётность по ходу

АнализаторGitHubИИ и агентыБезопасностьИнфраструктуратип 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
94/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
50
три самых слабых из десяти параметров · все десять

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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Рискованное назначение intent-offensive-security skill.md:32
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение) (в кавычках — упоминание, а не команда)
      - "pentest this codebase"
      в кавычках
    • низкая Рискованное назначение intent-offensive-security skill.md:447
      Наступательная безопасность / двойное назначение (допустимо для авторизованного тестирования; проверьте назначение)
      - Does not replace manual penetration testing or formal security audits

    Просканировано файлов: 2. 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 66/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 30
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3903 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 10. 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
    • +3Длина description 109: рекомендуется 120–800 символов
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +4Структура: 29 заголовков
    • +3Пошаговые инструкции: 30 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (16 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed security-review wrapper that sends selected code context to external AI providers, with credential and privacy risks users should manage before use.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.