SKILLEMALL.ai

AC png-lsb-skills

Инструмент для анализа стеганографии в PNG-изображениях методом LSB, парсинга информации о блоках и проверки CRC. Поддерживает извлечение метаданных sRGB/gAMA/pHYs и обнаружение различных режимов скрытия LSB; подходит для соревнований CTF, когда пользователю нужно анализировать структуру PNG-изображений, проверять целостность данных, обнаруживать скрытую информацию или извлекать метаданные изображений.

машинный переводПоказать оригиналСкрыть оригинал«PNG图片LSB隐写分析、块信息解析与CRC校验工具,支持提取sRGB/gAMA/pHYs元数据并检测多种LSB隐藏模式;适合CTF比赛场景…»

PNG图片LSB隐写分析、块信息解析与CRC校验工具,支持提取sRGB/gAMA/pHYs元数据并检测多种LSB隐藏模式;适合CTF比赛场景,当用户需要分析PNG图片结构、验证数据完整性、检测隐写信息或提取图像元数据时使用

ClawHub Agent Skills автор: 末心 v1.0.1 MIT-0 4 файла тело ≈ 363 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент для анализа стеганографии в PNG-изображениях методом LSB, парсинга информации о блоках и проверки CRC.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "dependency"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 30
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 363 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)
  • +3Длина description 111: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 30 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill locally analyzes user-selected PNG files for structure, metadata, CRC validity, and LSB steganography with no evidence of hidden access or persistence.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.