SKILLEMALL.ai
EN Войти

CC codex-autopilot

Система автоматизации кодирования с мультимодельным ИИ, интеллектуальной маршрутизацией задач и встроенным CI/CD. Цикл под управлением Watchdog, который оркестрирует сеансы Codex (backend) и Gemini (frontend) в tmux, автоматически маршрутизирует задачи по типу, управляет сжатием контекста, выполняет инкрементальные обзоры кода, отправляет задачи из очереди приоритетов и включает тестового агента, который автоматически обнаруживает сбои, ставит в очередь исправления и улучшает покрытие. Используйте при управлении несколькими одновременными сеансами кодирования с ИИ, автоматизации рабочих процессов разработки, оркестрации параллельного кодирования с помощью ИИ в разных проектах, маршрутизации задач frontend или backend разным моделям или выполнении непрерывного тестирования с автоматическим исправлением. Триггеры: autopilot, watchdog, codex automation, tmux codex, multi-project codex, auto-nudge codex, codex session management, gemini frontend, multi-model routing, ai task routing, ci cd, test agent, coverage ratchet.

машинный переводПоказать оригиналСкрыть оригинал«Multi-model AI coding automation system with intelligent task routing…»

Multi-model AI coding automation system with intelligent task routing and built-in CI/CD. Watchdog-driven loop that orchestrates Codex (backend) and Gemini (frontend) sessions in tmux, auto-routes tasks by type, manages context compaction, runs incremental code reviews, dispatches tasks from a priority queue, and includes a test-agent that auto-detects failures, enqueues fixes, and ratchets coverage. Use when managing multiple concurrent AI coding sessions, automating development workflows, orchestrating parallel AI-assisted coding across projects, routing frontend vs backend tasks to different models, or running continuous testing with auto-fix. Triggers: autopilot, watchdog, codex automation, tmux codex, multi-project codex, auto-nudge codex, codex session management, gemini frontend, multi-model routing, ai task routing, ci cd, test agent, coverage ratchet.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: wes v0.7.1 MIT-0 60 файлов · 24 скрипта тело ≈ 2 197 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Система автоматизации кодирования с мультимодельным ИИ, интеллектуальной маршрутизацией задач и встроенным CI/CD.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип 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
C
62/100
безопасность, качество, тесты
Безопасность 60%
54
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 9

  • высокая Опасные команды cmd-persistence install.sh:243
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    launchctl load "$PLIST_PATH"
Средние и низкие: 8
  • средняя Опасные команды cmd-persistence install.sh:24
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (строковый литерал в коде, не выполняется)
    PLIST_PATH="${HOME}/Library/LaunchAgents/${PLIST_NAME}.plist"
    строка в коде
  • средняя Опасные команды cmd-persistence install.sh:264
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре) (строковый литерал в коде, не выполняется)
    local p="${HOME}/Library/LaunchAgents/${name}.plist"
    строка в коде
  • средняя Утечка данных exfil-webhook-url lib/telegram_bot.py:69
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (в кавычках — упоминание, а не команда)
    self.api_base = f"https://api.telegram.org/bot{bot_token}"
    в кавычках
  • средняя Утечка данных exfil-webhook-url lib/telegram_notifier.py:63
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (в кавычках — упоминание, а не команда)
    self.api_base = f"https://api.telegram.org/bot{bot_token}"
    в кавычках
  • средняя Утечка данных net-credential-use scripts/autopilot-lib.sh:709
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -X POST "https://api.telegram.org/bot${LIB_TG_TOKEN}/sendMessage" \
  • низкая Опасные команды cmd-background-process README_zh.md:336
    Запуск фонового / автозапускаемого процесса
    nohup bash scripts/watchdog.sh &
  • низкая Опасные команды cmd-background-process README.md:232
    Запуск фонового / автозапускаемого процесса
    nohup bash scripts/watchdog.sh &
  • низкая Утечка данных exfil-webhook-url scripts/autopilot-lib.sh:709
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
    curl -s -X POST "https://api.telegram.org/bot${LIB_TG_TOKEN}/sendMessage" \
    заглушка

Просканировано файлов: 58. 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 55/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 33
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2197 токенов
  • 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)
  • +3Длина description 872: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -44 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -34 из 26 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +4Есть примеры (16 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: suspicious
This is a powerful always-on coding autopilot whose core behavior is disclosed, but it can auto-approve permissions, run project commands, control agents, notify external services, and merge code with limited confirmation.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.