SKILLEMALL.ai

AB agentkvm

Управляет физическими устройствами (телефонами, ПК, Mac) через аппаратное обеспечение NanoKVM-USB. Используйте этот навык всякий раз, когда пользователь просит вас взаимодействовать с физическим экраном, делать снимки экрана подключенного устройства, кликать/печатать/прокручивать на удаленной машине, автоматизировать рабочий процесс GUI на реальном оборудовании или реализовать цикл «использования компьютера», который наблюдает за экраном и выполняет действия. Также активируется при обнаружении AgentKVM в проекте, ссылок на NanoKVM-USB или когда пользователь говорит что-то вроде «кликни кнопку на моем телефоне», «что на экране», «открой настройки на устройстве», «введи мой пароль на ПК» или «автоматизируй это на подключенной машине».

машинный переводПоказать оригиналСкрыть оригинал«Control physical devices (phones, PCs, Macs) through NanoKVM-USB hardw…»

Control physical devices (phones, PCs, Macs) through NanoKVM-USB hardware. Use this skill whenever the user asks you to interact with a physical screen, take screenshots of a connected device, click/type/scroll on a remote machine, automate a GUI workflow on real hardware, or implement a "computer use" loop that observes a screen and takes actions. Also trigger when you see AgentKVM in the project, references to NanoKVM-USB, or when the user says things like "click the button on my phone", "what's on the screen", "open Settings on the device", "type my password on the PC", or "automate this on the connected machine".

ClawHub Agent Skills автор: iamtwz v0.2.1 MIT-0 3 файла тело ≈ 1 677 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Управляет физическими устройствами (телефонами, ПК, Mac) через аппаратное обеспечение NanoKVM-USB.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ИнтеграцияИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 23
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1677 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

    • +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
    • +5В description 6 примера фраз-триггеров в кавычках
    • +3Длина description 624 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (8 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: suspicious
    This skill is coherent for controlling real devices, but it gives an agent powerful screen-viewing and input-control abilities with weak safety boundaries.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.