Rapport d’audit du skill
Sparrow Rapport d’audit.
Structured data extraction and instruction calling with ML, LLM and Vision LLM
Trust Score OpenAgentSkill
Trust Score OpenAgentSkill
The Trust Score helps an agent decide whether a skill is safe enough to shortlist before installation.
Adoption GitHub
Validé94
5.2K stars GitHub
Activité stars/forks
Validé88
5.2K stars et 518 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles
Maintenance récente
Validé88
2 mois depuis le dernier push
Clarté de licence
Validé86
GPL-3.0
Complétude README/SKILL.md
Info74
Les métadonnées publiques nécessitent davantage de contexte README/SKILL.md
Risque dépendances/runtime
Validé90
Aucun indice majeur de risque de dépendance dans les métadonnées publiques
Disponibilité de l’installation
Validé92
npx skills add katanaml/sparrow
Sécurité de la commande d’installation
Validé92
Chemin d’installation standard de package ou runtime
Surface de permissions
Validé100
Aucune surface de permissions à haut risque dans les métadonnées publiques
Preuve du dépôt
Validé86
https://github.com/katanaml/sparrow
État de revue
Validé88
Données de revue IA disponibles
Résultats prouvés par Agent
Info54
Pas encore de données de résultats Agent
Vérifications
Revue d’installation et d’adoption
Chemin d’installation
92
npx skills add katanaml/sparrow
Dépôt
88
https://github.com/katanaml/sparrow
Licence
86
GPL-3.0
Maintenance
88
2 mois depuis le dernier push
Revue IA
88
Approved with no listed issues
Complétude README/SKILL.md
84
Usable description available
Risque de dépendances
90
Aucun indice majeur de risque de dépendance dans les métadonnées publiques
Sécurité de la commande d’installation
92
Chemin d’installation standard de package ou runtime
Surface de permissions
100
Aucune surface de permissions à haut risque dans les métadonnées publiques
Activité stars/forks
88
5.2K stars et 518 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles
Adoption
88
5.2K stars GitHub
Avertissements
Aucun avertissement majeur dans les métadonnées disponibles.
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
Awesome Llm Apps
100+ AI Agent & RAG apps you can actually run — clone, customize, ship.
114K Stars · Rapport d’audit
Hello Agents
📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程
59K Stars · Rapport d’audit
Llm App
Ready-to-run cloud templates for RAG, AI pipelines, and enterprise search with live data. 🐳Docker-friendly.⚡Always in sync with Sharepoint, Google Drive, S3, Kafka, PostgreSQL, real-time data APIs, and more.
59K Stars · Rapport d’audit