SKILLEMALL.ai
EN Войти

AC attacker

Атакует любую цель (навык, дизайн, аргумент, код, базу знаний) с помощью СВЕЖЕГО независимого атакующего, вращающего пять линз; охват в первую очередь, затем проверка ДОКАЗАТЕЛЬСТВ ИЛИ ФЛАГОВ (результаты против флагов); никогда не исправляет. Атакующий от другого поставщика обеспечивает более сильную независимость. Использовать, когда: "red-team/сломай это", "$attacker". НЕ использовать: исправлять или редактировать цель.

машинный переводПоказать оригиналСкрыть оригинал«Attack any target (skill, design, argument, code, KB) with a FRESH ind…»

Attack any target (skill, design, argument, code, KB) with a FRESH independent attacker rotating five lenses; coverage-first strike, then PROVE-OR-FLAG adjudication (findings vs flags); never fixes. A different-vendor attacker buys stronger independence. Use-when: "red-team/break this", "$attacker". Do-NOT: fix or edit the target.

ClawHub Agent Skills автор: VincentJiang06 v0.7.0 MIT-0 15 файлов тело ≈ 2 866 токенов Открыть источникclawhub.ai↗ проанализирован 19 ч назад

Атакует любую цель (навык, дизайн, аргумент, код, базу знаний) с помощью СВЕЖЕГО независимого атакующего, вращающего пять линз; охват в первую очередь, затем…

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип 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
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 54/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (web, git), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 24
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2866 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a disclosed red-team review skill that asks agents to critique targets and record findings, without evidence of hidden data access, destructive behavior, or exfiltration.
    LLM: benign (high) · VirusTotal: · 1 авг. 2026 г.