Informe de auditoría del skill

lintlang Informe de auditoría.

Lint AI agent instruction files (SKILL.md, CLAUDE.md, AGENTS.md, GEMINI.md), tool definitions, system prompts, and agent configs with the deterministic LintLang CLI. Use when writing, editing, or reviewing agent instructions to catch ambiguous tool descriptions, missing stop conditions, schema/description mismatches, mixed output formats, or prompts embedded in Python before they reach runtime. Zero-LLM static analysis; no model calls and no network calls during a scan.

Experimental · RevisarRequiere revisiónGenerado 14 oct 2026Auditoría heurística de metadatos

Auditoría

Confianza

Calidad

Seguridad

100

Maintain

Instalar

Trust Score de OpenAgentSkill

Lista sólida

Trust Score de OpenAgentSkill

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

Adopción en GitHub

Info

137 estrellas de GitHub

Actividad de stars/forks

Advertencia

137 estrellas y 14 forks; la actividad de issues no está disponible en los metadatos actuales

Mantenimiento reciente

Aprobado

100

6 días desde el último push

Claridad de licencia

Aprobado

Apache-2.0

Completitud de README/SKILL.md

Aprobado

Los metadatos incluyen suficiente contexto de uso y flujo de trabajo

Riesgo de dependencias/runtime

Advertencia

command execution surface, external package install surface

Disponibilidad de instalación

Aprobado

npx skills add hermes-labs-ai/lintlang --skill lintlang

Seguridad del comando de instalación

Aprobado

Ruta estándar de paquete o instalación en tiempo de ejecución

Superficie de permisos

Fallido

shell or command execution, filesystem or document access

Evidencia del repositorio

Aprobado

https://github.com/hermes-labs-ai/lintlang/tree/main/skills/lintlang

Estado de revisión

Advertencia

Falta aprobación de revisión por IA

Resultados comprobados por Agent

Info

Aún no hay datos de resultados del Agent

Comprobaciones

Revisión de instalación y adopción

6 Aprobado · 13 Requiere revisión

Ruta de instalación

Aprobado

npx skills add hermes-labs-ai/lintlang --skill lintlang

Repositorio

Aprobado

https://github.com/hermes-labs-ai/lintlang/tree/main/skills/lintlang

Licencia

Aprobado

Apache-2.0

Mantenimiento

100

Aprobado

6 días desde el último push

Revisión por IA

Revisar

Review approval is missing

Completitud de README/SKILL.md

Aprobado

Usable description available

Riesgo de dependencias

Corregir

command execution surface, external package install surface

Seguridad del comando de instalación

Aprobado

Ruta estándar de paquete o instalación en tiempo de ejecución

Superficie de permisos

Corregir

shell or command execution, filesystem or document access

Actividad de stars/forks

Corregir

137 estrellas y 14 forks; la actividad de issues no está disponible en los metadatos actuales

Adopción

Info

137 estrellas de GitHub

Advertencias

Dependency or permission surface needs review
Permission surface may require sandboxing
Falta aprobación de revisión por IA
Quality score needs review
Permission surface needs review: shell or command execution, filesystem or document access
Stars/forks activity: 137 stars, 14 forks; issue activity unavailable in current metadata
Dependency/runtime risk: command execution surface, external package install surface
Permission surface: shell or command execution, filesystem or document access
Review status: AI review approval is missing

Método

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.

Ruta de instalación

Revisa el informe antes de instalar en Agents de producción.

Revisar el código fuente

Metadatos legibles por Agent

Paquete de decisión de máquina

El JSON integrado expone tareas y Agents adecuados, comando de instalación, puntuación de confianza, puerta de seguridad, alternativas y condiciones de no uso para la revisión de un Agent.

Política de instalación: Revisar
Mejores Agents: Codex + Claude Code
Alternativas: 3

Abrir JSON de Agent

Señales

Puntuación de auditoría: 76/100
Quality: 63/100
Trust: 73/100
Install safety: 92/100
Superficie de permisos: 36/100
Mantenimiento: 6 días desde el último push
Eventos: 43 eventos
Estrellas de GitHub: 137
Último push: 7 oct 2026

Seguridad de Agent v2

44/100 · Evitar instalación automática

ExperimentalRevisar

Sparse or mixed signals. Useful for discovery, but not for autonomous installation.

The tracked source changed or could not be synchronized. Review the current source before installing.

The tracked source changed or could not be synchronized. Review the current source before installing.
Indicios de permisos de alto riesgo: ejecución de shell o comandos
puntuación de seguridad del Agent: 44/100

Ejecución de shell o comandos

Alto

Los metadatos del skill hacen referencia a terminal, CLI, shell, subprocesos o flujos de ejecución de comandos.

Acceso a red

Medio

El skill probablemente consulta páginas remotas, API, repositorios o servicios externos.

Acceso al sistema de archivos

Medio

El skill puede leer o escribir archivos de proyecto, documentos, artefactos generados o estado local.

Acceso a base de datos

Medio

El skill puede inspeccionar esquemas, consultar bases de datos o trabajar con almacenes persistentes.

Indicios de permisos de alto riesgo: ejecución de shell o comandos
Dependency or permission surface needs review
The tracked source changed or could not be synchronized. Review the current source before installing.

Volver al skill Alternativas Insignia SVG de auditoría

Comparar opciones cercanas

Skills relacionados para auditar después

full-output-enforcement

Overrides default LLM truncation behavior. Enforces complete code generation, bans placeholder patterns, and handles token-limit splits cleanly. Apply to any task requiring exhaustive, unabridged output.

96K Estrellas · Informe de auditoría

distributed-llm-pretraining-torchtitan

Provides PyTorch-native distributed LLM pretraining using torchtitan with 4D parallelism (FSDP2, TP, PP, CP). Use when pretraining Llama 3.1, DeepSeek V3, or custom models at scale from 8 to 512+ GPUs with Float8, torch.compile, and distributed checkpointing.

13K Estrellas · Informe de auditoría

peft-fine-tuning

Parameter-efficient fine-tuning for LLMs using LoRA, QLoRA, and 25+ methods. Use when fine-tuning large models (7B-70B) with limited GPU memory, when you need to train <1% of parameters with minimal accuracy loss, or for multi-adapter serving. HuggingFace's official library integrated with transformers ecosystem.

13K Estrellas · Informe de auditoría