BF research-assistant
Автоматическое обогащение исследовательских заметок Bear с тегом 「待整理」 GIF-ами, соответствующими теме. Читает заметки через grizzly, ищет GIF-ы через gifgrep, добавляет медиафайлы и удаляет тег. Используйте, когда пользователь хочет пакетно обработать или привести в порядок исследовательские заметки в Bear.
машинный переводПоказать оригиналСкрыть оригинал«Auto-enrich Bear research notes tagged 「待整理」 with topic-matched GIFs.…»
Auto-enrich Bear research notes tagged 「待整理」 with topic-matched GIFs. Reads notes via grizzly, searches GIFs via gifgrep, appends media, and removes the tag. Use when the user wants to batch-process or tidy up research notes in Bear.
Автоматическое обогащение исследовательских заметок Bear с тегом 「待整理」 GIF-ами, соответствующими теме.
Как процесс F 54/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: %s
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.
В файлах лежит чужой ключ или токен. Если он живой, ваш агент начнёт ходить в чужие сервисы от чужого имени; если ключ уже отозван, скрипты скилла просто сломаются. Такой ключ мог попасть в скилл вместе с целым рабочим пространством автора, включая личные данные.
Ключ виден всем, кто скачал скилл, и уже мог быть скопирован ботами, которые сканируют каталоги. Отзовите его сейчас, проверьте счета и логи доступа, а потом перевыпустите.
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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
-
средняя Секреты в коде
secret-google-keyscripts/process_tagged.sh:90Ключ Google API (определение детектора / чёрного списка)GIF_URL=$(curl -s "https://tenor.googleapis.com/v2/search?q=… -c "import urllib.parse,sys; print(urllib.parse.quote(sys.argv[1]))" "$QUERY")&key=AIzaSyAyimkuYQYF_FXVALexPuGQctUWRURdCYQ&limit=1
детектор
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: %s
Процессный рейтинг: все десять параметров 54/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): %s
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (research-assistant) не совпадает с папкой (research-gif-enricher)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 8
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Стоимость исполнения. Тело инструкции 550 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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 233 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (5 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.