CD weather-query
Запрос прогноза погоды для указанного города
машинный переводПоказать оригиналСкрыть оригинал«查询指定城市的天气预报…»
查询指定城市的天气预报
Запрос прогноза погоды для указанного города
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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 · 4
✓ Критических и высоких находок нет
Средние и низкие: 4
-
средняя Секреты в коде
secret-labelled-tokenagent.py:5Токен / ключ рядом с меткой (формат неизвестен — проверьте, что это не живой секрет)#https://api.weather.com/v2/turbo/vt1d…ast?apiKey=…&format=json&geocode=…&language=zh-CN&units=m
-
средняя Секреты в коде
secret-labelled-tokenagent.py:6Токен / ключ рядом с меткой (формат неизвестен — проверьте, что это не живой секрет)api_key = "c1ea…9d4"
-
низкая Секреты в коде
secret-password-literalagent.py:5Захардкоженный пароль / ключ (возможно, пример)#https://api.weather.com/v2/turbo/vt1d…ast?apiKey=…&format=json&geocode=…&language=zh-CN&units=m
-
низкая Секреты в коде
secret-password-literalagent.py:6Захардкоженный пароль / ключ (возможно, пример)api_key = "c1ea…9d4"
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Plain value cannot start with reserved character @ at line 4, column 9: author: @yuancaihua ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
description-shortdescription короче 40 символов: модели не хватит сигнала для срабатывания - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Когда включается. Не сказано, при каком запросе скилл включается
- 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
- 40Согласованность. Имя во frontmatter (weather-query) не совпадает с папкой (weather-query-ych)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 8
- 100Стоимость исполнения. Тело инструкции 70 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Длина description 11: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- -15Тело SKILL.md короче 300 символов: скилл почти пустой
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 8 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 32.