SKILLEMALL.ai
EN Войти

AD skill-publisher

Публикуйте навыки агента на нескольких платформах: ClawHub, GitHub Releases, SkillHub CN. Поддерживает проверку, упаковку, управление версиями и публикацию на нескольких платформах одним кликом.

машинный переводПоказать оригиналСкрыть оригинал«将 Agent 技能发布到多个平台：ClawHub、GitHub Releases、SkillHub CN。支持验证、打包、版本管理和一键多…»

将 Agent 技能发布到多个平台：ClawHub、GitHub Releases、SkillHub CN。支持验证、打包、版本管理和一键多平台发布。

ClawHub Agent Skills автор: Newell Zhu v1.3.0 MIT-0 13 файлов · 8 скриптов тело ≈ 1 010 токенов Открыть источникclawhub.ai↗ проанализирован 15 ч назад

Публикуйте навыки агента на нескольких платформах: ClawHub, GitHub Releases, SkillHub CN.

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияGitHubИИ и агентытип 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
90/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
39/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных exfil-webhook-url references/platform-interface.md:376
    URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
    curl -X POST "https://hooks.slack.com/..." \
    заглушка

Просканировано файлов: 13. 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")

Процессный рейтинг: все десять параметров 39/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (skill-publisher) не совпадает с папкой (skill-publisher-zlx)
  • 60Инструменты и файлы. Используются инструменты (git), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 19
  • 100Стоимость исполнения. Тело инструкции 1010 токенов

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 75: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
This appears to be a real skill-publishing tool, but users should review it because its publishing and adapter mechanisms have weaker safeguards than the documentation implies.
LLM: suspicious (medium) · 7 июн. 2026 г.