SKILLEMALL.ai
EN Войти

BC claw-bond

Позволяет двум агентам OpenClaw вести переговоры, координировать действия и брать на себя обязательства по задачам в режиме реального времени — переговоры по задачам между равными, отслеживание обязательств и напоминания о сроках. Использует ретранслятор для настройки соединения; все сообщения шифруются сквозным шифрованием.

машинный переводПоказать оригиналСкрыть оригинал«Lets two OpenClaw agents negotiate, coordinate, and commit to tasks in…»

Lets two OpenClaw agents negotiate, coordinate, and commit to tasks in real time — peer-to-peer task negotiation, commitment tracking, and deadline reminders. Uses a relay for connection setup; all messages are end-to-end encrypted.

ClawHub Agent Skills автор: techtanush v1.1.0 MIT-0 24 файла тело ≈ 5 761 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Позволяет двум агентам OpenClaw вести переговоры, координировать действия и брать на себя обязательства по задачам в режиме реального времени — переговоры по…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураПродажи и CRMИИ и агентыИнфраструктуратип 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
81/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 7

✓ Критических и высоких находок нет

Средние и низкие: 7
  • низкая Секреты в коде secret-high-entropy-token negotiate.py:109
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    NOISE_PATTERN: bytes = b"Nois…256"
    детектор
  • низкая Опасные команды cmd-cron-mention negotiate.py:2739
    Упоминание редактирования crontab (строковый литерал в коде, не выполняется)
    f.write("#   crontab -e\n\n")
    строка в коде
  • низкая Опасные команды cmd-cron-mention negotiate.py:2774
    Упоминание редактирования crontab (строковый литерал в коде, не выполняется)
    f"To activate Path A alerts: run `crontab -e` and paste that line.\n"
    строка в коде
  • низкая Опасные команды cmd-cron-mention negotiate.py:2857
    Упоминание редактирования crontab (строковый литерал в коде, не выполняется)
    print(f"Crontab entry written to: {cron_file}\nRun `crontab -e` and paste that line to activate Path A alerts.")
    строка в коде
  • низкая Опасные команды cmd-cron-mention permissions.json:76
    Упоминание редактирования crontab (в кавычках — упоминание, а не команда)
    "cron_note": "negotiate.py install writes a ready-to-paste crontab line to skills/claw-bond/crontab-entry.txt. No cron entry is registered automatically. The user pastes it manually via crontab -e. cr
    в кавычках
  • низкая Утечка данных read-dotenv relay/docker-compose.yml:4
    Чтение файла .env (комментарий в коде)
    #   cp .env.example .env   # then fill in RELAY_SECRET
    комментарий
  • низкая Утечка данных read-dotenv relay/README.md:16
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 24. 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")
  • предупреждение body-long тело SKILL.md ≈ 5761 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 62/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5761 токенов
  • 100Шаги. Шагов: 81
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 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: 21. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (6 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 232 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 81 пунктов
  • +4Есть примеры (39 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate peer-collaboration skill, but it needs user review because it persists local coordination data, injects commitment context into sessions, and shares network metadata with peers.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.