SKILLEMALL.ai
EN Войти

BD safety-guardrails

Установите «защитный барьер безопасности перед выполнением» для автономных агентов/автоматизированных конвейеров: классифицируйте риски для любых предстоящих действий (low/medium/high/critical) и предоставляйте решения ALLOW / CONFIRM / DENY. Встроенные правила deny для разрушительных, необратимых, превышающих полномочия, раскрывающих конфиденциальность действий, а также правила confirm для высокорисковых действий, принудительно блокирующие опасные действия, такие как rm -rf, принудительный push, выполнение при загрузке, удаление таблиц, выключение питания, и требующие явного подтверждения пользователем для средне- и высокорисковых операций. Адаптировано для автоматизированных сценариев без присмотра, запускаемых каждый час, для предотвращения необратимого ущерба автономными агентами при отсутствии защитных барьеров. Триггеры: защитный барьер, блокировка опасных действий, подтверждение операции, safety guardrails, безопасность агента, проверка перед выполнением, блокировка destructive.

машинный переводПоказать оригиналСкрыть оригинал«给自主智能体/自动化流水线装上一道「预执行安全护栏」：对任何待执行动作做风险分级 （low/medium/high/critical）并给出…»

给自主智能体/自动化流水线装上一道「预执行安全护栏」：对任何待执行动作做风险分级 （low/medium/high/critical）并给出 ALLOW / CONFIRM / DENY 决策。内置破坏性强、不可逆、 越权、外发隐私的 deny 规则与高影响 confirm 规则，强制拦截 rm -rf、强推、下载即执行、 删表、关机等高危动作，并要求用户显式确认中高危操作。适配自动化每小时触发的无人值守场景， 防止自主 agent 在没有护栏时造成不可逆损害。触发词：安全护栏、危险动作拦截、操作确认、 safety guardrails、agent 安全、预执行校验、destructive 拦截。

ClawHub Agent Skills автор: qq435912743 v1.0.0 MIT-0 5 файлов тело ≈ 554 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Установите «защитный барьер безопасности перед выполнением» для автономных агентов/автоматизированных конвейеров: классифицируйте риски для любых предстоящих…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1

✓ Guard не нашёл подозрительного поведения. 1 совпадений — это строки атак, процитированные в документации самого скилла по безопасности.

Просканировано файлов: 5. 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 "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "visibility"

Процессный рейтинг: все десять параметров 43/100

  • 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: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, web, git), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 554 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 303 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This skill mostly acts like a safety checker, but it also stores usage history and preferences and suggests changing its own instructions over time.
LLM: suspicious (high) · 14 авг. 2026 г.