Rapport d’audit du skill

agent-observability-experiment-bootstrap Rapport d’audit.

Bootstrap a reproducible LLM Observability experiment through the Python ddtrace SDK or the Node dd-trace SDK. Use for experiment, dataset, evaluator, benchmark, regression, or LLM-as-a-judge scaffolding. The legacy Python invocation remains supported.

Expérimental · RevoirRevue nécessaireGénéré 13 oct. 2026Audit heuristique des métadonnées
73
Audit
66
Confiance
66
Qualité
73
Sécurité
88
Maintain
92
Installer

Trust Score OpenAgentSkill

66
Revue manuelle

Trust Score OpenAgentSkill

The Trust Score helps an agent decide whether a skill is safe enough to shortlist before installation.

Adoption GitHub

Info

62

158 stars GitHub

Activité stars/forks

Avertissement

57

158 stars et 25 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Maintenance récente

Validé

88

2 mois depuis le dernier push

Clarté de licence

Validé

86

MIT

Complétude README/SKILL.md

Validé

86

Les métadonnées incluent suffisamment de contexte d’usage et de workflow

Risque dépendances/runtime

Avertissement

56

credential or environment access, network or browser surface

Disponibilité de l’installation

Validé

92

npx skills add datadog-labs/agent-skills --skill agent-observability-experiment-bootstrap

Sécurité de la commande d’installation

Validé

92

Chemin d’installation standard de package ou runtime

Surface de permissions

Échoué

34

secrets or environment access, filesystem or document access

Preuve du dépôt

Validé

86

https://github.com/datadog-labs/agent-skills/tree/main/agent-observability/agent-observability-experiment-bootstrap

État de revue

Info

66

Données de revue IA disponibles

Résultats prouvés par Agent

Info

54

Pas encore de données de résultats Agent

Vérifications

Revue d’installation et d’adoption

6 Validé · 16 Revue nécessaire

Chemin d’installation

92

Validé

npx skills add datadog-labs/agent-skills --skill agent-observability-experiment-bootstrap

Dépôt

88

Validé

https://github.com/datadog-labs/agent-skills/tree/main/agent-observability/agent-observability-experiment-bootstrap

Licence

86

Validé

MIT

Maintenance

88

Validé

2 mois depuis le dernier push

Revue IA

55

Vérifier

The skill relies on external Datadog SDKs and requires API keys; it should explicitly warn against hardcoding secrets in generated artifacts.

Complétude README/SKILL.md

86

Validé

Usable description available

Risque de dépendances

56

Corriger

credential or environment access, network or browser surface

Sécurité de la commande d’installation

92

Validé

Chemin d’installation standard de package ou runtime

Surface de permissions

34

Corriger

secrets or environment access, filesystem or document access

Activité stars/forks

57

Corriger

158 stars et 25 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Adoption

68

Info

158 stars GitHub

Financial decision safety

58

Vérifier

Research-only use: do not treat output as financial advice or execute a position without human approval.

Avertissements

  • Dependency or permission surface needs review
  • Permission surface may require sandboxing
  • Financial research output is not financial advice; require human review before any live investment decision
  • The skill relies on external Datadog SDKs and requires API keys; it should explicitly warn against hardcoding secrets in generated artifacts.
  • The SKILL.md excerpt is truncated, but the provided content is thorough; ensure the full document maintains the same level of detail.
  • Financial research output is not financial advice; require human review before any live investment decision.
  • Quality score needs review
  • Permission surface needs review: secrets or environment access, filesystem or document access
  • Stars/forks activity: 158 stars, 25 forks; issue activity unavailable in current metadata
  • Dependency/runtime risk: credential or environment access, network or browser surface
  • Permission surface: secrets or environment access, filesystem or document access

Méthode

This report combines public metadata, AI review output, repository freshness, install readiness, OpenAgentSkill events, quality scoring, trust checks, and the agent safety gate. It is not a full source-code security review.

Comparer les options proches

Skills associés à auditer ensuite