SKILLEMALL.ai
EN Войти

BF alibabacloud-network-mtr-diagnosis

Инструмент диагностики MTR по общедоступной сети. Поддерживает как ручное руководство, так и режимы автоматизации Cloud Assistant. Ручной режим направляет пользователей на запуск инструментов MTR локально (macOS/Linux/Android/Windows) и анализ снимков экрана с результатами. Автоматизированный режим удаленно выполняет диагностику mtr/ping/curl на экземплярах ECS через Alibaba Cloud Cloud Assistant. Применим к сбоям доступа к общедоступной сети, высокой задержке, потере пакетов, сбоям проверки работоспособности SLB, потере пакетов при исходящем NAT и т. д. Используйте этот навык, когда пользователи сталкиваются с проблемами сетевого подключения, нуждаются в диагностике качества общедоступной сети или анализе снимков экрана MTR.

машинный переводПоказать оригиналСкрыть оригинал«Public network MTR diagnosis tool. Supports both manual guidance and C…»

Public network MTR diagnosis tool. Supports both manual guidance and Cloud Assistant automation modes. Manual mode guides users to run MTR tools locally (macOS/Linux/Android/Windows) and analyze result screenshots. Automated mode remotely executes mtr/ping/curl diagnostics on ECS instances via Alibaba Cloud Cloud Assistant. Applicable to public network access failures, high latency, packet loss, SLB health check failures, NAT outbound packet loss, etc. Use this skill when users encounter network connectivity issues, need to troubleshoot public network link quality, or analyze MTR screenshots.

ClawHub Agent Skills автор: alibabacloud-skills-team v0.0.1-beta.1 MIT-0 9 файлов тело ≈ 5 965 токенов Открыть источникclawhub.ai↗ проанализирован 22 ч назад

Инструмент диагностики MTR по общедоступной сети.

Как процесс F 51/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/ram-policies.md, references/reference.md

АнализаторДанные и аналитикаИнфраструктуратип 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
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
51/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/ram-policies.md, references/reference.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5965 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: references/ram-policies.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/reference.md

Процессный рейтинг: все десять параметров 51/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/ram-policies.md, references/reference.md
  • 0Инструменты и файлы. Не хватает 2 файла(ов): references/ram-policies.md, references/reference.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5965 токенов
  • 85Шаги. Шагов: 64, расплывчатых формулировок: 2
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • +2Инструкции на одном языке
  • +3Длина description 599 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 45 заголовков
  • +3Пошаговые инструкции: 64 пунктов
  • +4Есть примеры (21 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
The skill is a disclosed Alibaba Cloud network-diagnosis tool, but it includes broader-than-needed remote command execution paths that should be reviewed before installation.
LLM: suspicious (high) · VirusTotal: · 9 июл. 2026 г.