BC linkfox-maidalv-product-tro-detection
Проверяет продукт на наличие риска нарушения TRO (временного судебного запрета) и прав интеллектуальной собственности (товарные знаки/патенты/авторские права) с помощью анализа больших данных. Введите основное изображение продукта (поддерживает URL изображения или данные Base64 в формате data URI), можно добавить референсные изображения, референсный текст, IP-ключевые слова. Возвращает общий уровень риска, пункты высокого риска нарушения и список низкорисковых объектов ИС (включая истца TRO, дату подачи иска, номер дела, количество дел), числовой показатель риска от 0 до 10 и сгенерированный ИИ юридический отчет об оценке. Активируется, когда пользователь упоминает TRO detection, TRO risk, TRO infringement, IP infringement detection, trademark infringement, patent infringement, copyright infringement, IP risk detection, product compliance check, 卖大律, product TRO detection, IP infringement risk, trademark/patent/copyright infringement check. Даже если пользователь явно не упоминает «卖大律» или «TRO», но предоставляет изображение продукта и хочет оценить риск нарушения товарного знака, патента, авторского права или TRO, этот навык также должен быть активирован.
машинный переводПоказать оригиналСкрыть оригинал«通过卖大律检测产品是否存在 TRO（临时限制令）与知识产权（商标/专利/版权）侵权风险，输入产品主图（支持图片 URL 或 Base64 d…»
通过卖大律检测产品是否存在 TRO（临时限制令）与知识产权（商标/专利/版权）侵权风险，输入产品主图（支持图片 URL 或 Base64 data URI），可补充参考图、参考文本、IP 关键词，返回总体风险等级、高风险侵权项与低风险 IP 清单（含 TRO 原告、立案日期、法院案号、案件数）、0-10 数值风险分及 AI 生成的法律评估报告。当用户提到 TRO 检测、TRO 风险、TRO 侵权、知识产权侵权检测、商标侵权、专利侵权、版权侵权、IP 风险检测、产品合规检测、卖大律、product TRO detection, IP infringement risk, trademark/patent/copyright infringement check 时触发此技能。即使用户未明确提及"卖大律"或"TRO"，只要用户提供产品图片并希望评估其在商标、专利、版权或 TRO 方面的侵权风险，也应触发此技能。
Проверяет продукт на наличие риска нарушения TRO (временного судебного запрета) и прав интеллектуальной собственности (товарные знаки/патенты/авторские права)…
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу
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 · 4
✓ Критических и высоких находок нет
Средние и низкие: 4
-
средняя Утечка данных
net-redirectable-api-keyscripts/upload_image.py:21Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
-
низкая Опасные команды
cmd-shell-rcreferences/onboarding.md:13Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)- macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
в кавычках -
низкая Опасные команды
cmd-shell-rcreferences/onboarding.md:14Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)- Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
детектор -
низкая Секреты в коде
secret-high-entropy-tokenscripts/onboarding.py:49Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)or "eyJh…iJ9")
в кавычках
Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 29
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2064 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее
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
- -31 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 409 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 29 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.