SKILLEMALL.ai

BC tagesstatus-live-public

Публичная, не зависящая от окружения версия отчета о ежедневном статусе. БЕЗ встроенных ключей, НЕ связана с окружением. Токены запрашиваются во время выполнения или считываются из keys.env; если ключ отсутствует, источник пропускается («нет данных»). Источники: GitHub, Vercel, Docker Hub, OpenRouter, OpenAI, Anthropic/Claude, Tailscale, ClawHub (плюс Perplexity/Codex только в качестве примечания). Важно: в зависимости от источника, помимо токена, требуются идентификаторы — имя пользователя/пространство имен (Docker), владелец репозитория/репозиторий (GitHub), идентификатор команды и проекта (Vercel), Tailnet (Tailscale), идентификаторы навыков (ClawHub); некоторые входы выполняются с использованием имени пользователя/адреса электронной почты + токена (например, вход в Docker).

машинный переводПоказать оригиналСкрыть оригинал«Öffentliche, umgebungs-unabhängige Version des Tagesstatus-Reports. KE…»

Öffentliche, umgebungs-unabhängige Version des Tagesstatus-Reports. KEINE eingebetteten Keys, NICHT mit einer Umgebung verbunden. Tokens werden beim Lauf abgefragt bzw. aus keys.env gelesen; fehlt ein Key, wird die Quelle übersprungen ("keine Daten"). Quellen: GitHub, Vercel, Docker Hub, OpenRouter, OpenAI, Anthropic/Claude, Tailscale, ClawHub (plus Perplexity/Codex nur als Hinweis). Wichtig: Je nach Quelle sind neben dem Token zusätzlich Identifikatoren nötig – Anmeldename/Namespace (Docker), Repo owner/repo (GitHub), Team- und Projekt-ID (Vercel), Tailnet (Tailscale), Skill-Slugs (ClawHub); manche Logins erfolgen mit Benutzername/E-Mail + Token (z. B. Docker-Login).

ClawHub Agent Skills автор: Karim Kiki v1.0.0 MIT-0 3 файла тело ≈ 714 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

Публичная, не зависящая от окружения версия отчета о ежедневном статусе.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураDockerGitHubИнфраструктураИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

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. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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
  • средняя Утечка данных exfil-send-secrets-to-url SKILL.md:25
    Инструкция отправить секреты/переписку на внешний адрес (описание авторизации в API (bearer / заголовок / HTTPS); адрес назначения — известный публичный сервис; хост вендора самого скилла)
    - Docker Hub — `DOCKER_NAMESPACE` (= Anmeldename) + `DOCKER_PAT`: POST https://hub.docker.com/v2/users/login {username:NAMESPACE, password:PAT} → .token; dann GET https://hub.docker.com/v2/repositorie
    авторизация APIизвестный сервисvendor-host
  • низкая Утечка данных net-credential-use README.md:45
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (демонстрация атаки / пример)
    curl -s -H "Authorization: Bearer $MEIN_TOKEN" "https://api.example.com/v1/..." | <parsen>
    демонстрация

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

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 51/100

  • 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: 3, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 12
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 714 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 676 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 7 заголовков
  • +3Пошаговые инструкции: 12 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a disclosed status-report skill that uses user-provided API tokens, with the main risk being plaintext token handling rather than hidden behavior.
LLM: benign (medium) · VirusTotal: · 6 авг. 2026 г.