BD morning-brief
Ежедневный AI-дайджест. Сбор данных из нескольких источников (блог HuggingFace, Renren are Product Managers, подписка blogwatcher, 36Kr/Zhihu/Reddit/Twitter gateway), интеллектуальный отбор LLM 10 наиболее ценных новостей, отправка в Telegram. Включает снимок списка OpenRouter. Сценарии использования: ежедневная генерация персонализированного AI-дайджеста, фильтрация контента с низким соотношением сигнал/шум, выделение динамики конкурентов и возможностей для монетизации.
машинный переводПоказать оригиналСкрыть оригинал«每日AI早报。抓取多路信源(HuggingFace Blog、人人都是产品经理、blogwatcher订阅、36氪/知乎/Reddit/Tw…»
每日AI早报。抓取多路信源(HuggingFace Blog、人人都是产品经理、blogwatcher订阅、36氪/知乎/Reddit/Twitter工具网关),LLM智能筛选最有价值的10条,推送到Telegram。内置OpenRouter榜单快照。使用场景:每天定时生成个性化AI资讯早报,过滤低信噪比内容,突出竞品动态和变现机会。
Ежедневный AI-дайджест.
Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
средняя Утечка данных
net-redirectable-api-keyscripts/morning-brief.py:29Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
-
низкая Утечка данных
exfil-webhook-urlscripts/morning-brief.py:332URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)f"https://api.telegram.org/bot{TELEGRAM_TOKEN}/sendMessage",заглушка
Просканировано файлов: 3. 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 41/100
- 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
- 40Согласованность. Имя во frontmatter (morning-brief) не совпадает с папкой (ai-morning-brief)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 16
- 100Стоимость исполнения. Тело инструкции 478 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 168 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 16 пунктов
- +4Есть примеры (5 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.