Habilidades synthese-multi-llm
📦

synthese-multi-llm

Riesgo medio ⚡ Contiene scripts🌐 Acceso a red📁 Acceso al sistema de archivos🔑 Variables de entorno⚙️ Comandos externos

Sintetiza texto con un consejo multi-LLM

Los documentos largos pueden ser difíciles de resumir sin perder significado ni sesgar el resultado. Esta skill compara múltiples perspectivas de modelos y registra el rastro de razonamiento.

Soporta: Claude Codex Code(CC)
⚠️ 50 Deficiente
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Recursos legibles por agentes

Usa estos enlaces cuando un AI Agent, crawler o script necesite contexto limpio en lugar de leer toda la página.

Pruébalo

Usando "synthese-multi-llm". Un informe estratégico de 20 páginas necesita un resumen para una reunión de liderazgo.

Resultado esperado:

Un resumen ejecutivo conciso con afirmaciones clave, puntos de decisión, notas de incertidumbre y una evaluación de convergencia.

Usando "synthese-multi-llm". Un borrador de resumen puede exagerar el documento fuente.

Resultado esperado:

Una revisión de fidelidad que enumera afirmaciones no respaldadas, contexto faltante y formulaciones alternativas más seguras.

Usando "synthese-multi-llm". Un artículo técnico necesita una explicación fácil de entender para los lectores.

Resultado esperado:

Un resumen estructurado que separa hechos, interpretación y preguntas no resueltas.

Auditoría de seguridad

Riesgo medio
v6 • 6/28/2026

Static analysis found many command, credential, network, filesystem, and hash patterns. Review confirms these are mostly intended multi-LLM orchestration features, not confirmed malicious behavior. The skill should publish with a medium-risk warning because it can send source text to model providers and persist audit data locally.

21
Archivos escaneados
8,591
Líneas analizadas
12
hallazgos
6
Auditorías totales
Problemas de riesgo medio (4)
External model commands execute with user prompts
The main workflow runs fixed model CLIs and passes the prompt as an argument. This reduces shell injection risk, but it still executes external tools and shares document content with them.
Configurable CLI backend can run configured commands
The generic CLI backend builds a command from configuration and executes it with the inherited environment. This is useful for custom LLM tools but risky with untrusted configuration.
Model wrappers send prompts to configured services
The Claude wrapper sends prompts to the Anthropic API with an API key header, and the Ollama wrapper sends prompts to a configured host. This is intended behavior but can expose sensitive source text.
Audit trails and exports persist synthesis data locally
The workflow writes session trails and Markdown output to local files. This supports traceability, but users must manage stored source excerpts and model responses.
Problemas de riesgo bajo (3)
Weak-crypto scanner matches are non-security identifiers
Reviewed hash usage is for cache keys and short session identifiers, not password storage, signatures, or encryption. The static weak-crypto labels are false positives in this context.
Shell metacharacter and hex findings are sanitizer data
The flagged backticks, command substitutions, and hex escapes appear inside input sanitization constants and cleanup logic. They are detection targets, not executed payloads.
Prompt injection indicators were not found
Searches for override, skip-review, and fake authority language found configuration terms only. No evidence found of instructions that try to override the audit process.

Patrones detectados

Python subprocess executionAsync configurable subprocess executionAPI key environment accessNetwork requests from shell wrappers

Puntuación de calidad

68
Arquitectura
100
Mantenibilidad
87
Contenido
70
Comunidad
39
Seguridad
83
Cumplimiento de la especificación

Lo que puedes crear

Revisar un informe de políticas

Crea un resumen equilibrado e identifica puntos donde el significado podría cambiar durante la compresión.

Comparar interpretaciones de investigación

Pide a varios roles de modelos que extraigan afirmaciones, critiquen omisiones y converjan en una síntesis final.

Preparar resúmenes ejecutivos

Convierte un informe largo en un resumen dirigido con controles de audiencia, tono y longitud.

Prueba estos prompts

Resumir un documento
Usa synthese-multi-llm para resumir este documento para una audiencia general. Conserva las afirmaciones clave y señala las principales incertidumbres.
Crear un informe ejecutivo breve
Usa el consejo para resumir este informe para ejecutivos. Hazlo conciso, formal y centrado en decisiones.
Comprobar la deriva semántica
Compara este texto fuente con mi borrador de resumen. Identifica omisiones, adiciones y cambios de significado antes de revisarlo.
Ejecutar una revisión trazable del consejo
Ejecuta una síntesis estándar de varios modelos con el rastro de auditoría activado. Conserva los puntos de disenso y explica la puntuación de convergencia.

Mejores prácticas

  • Revisa la sensibilidad del contenido fuente antes de enviar documentos a proveedores externos de modelos.
  • Usa el modo crítico cuando la precisión sea más importante que la velocidad.
  • Desactiva los rastros de auditoría cuando no sea aceptable la persistencia local del texto fuente.

Evitar

  • No proceses secretos, credenciales ni registros confidenciales sin una política de datos aprobada.
  • No trates la puntuación de convergencia como prueba de que el resumen es correcto.
  • No ejecutes backends CLI configurables desde archivos de configuración no confiables.

Preguntas frecuentes

¿Qué modelos usa esta skill?
Está diseñado para Claude, Gemini y Codex, con comportamiento de respaldo cuando hay menos modelos disponibles.
¿Requiere claves de API?
Puede requerir CLIs autenticadas o claves de API, según el backend seleccionado.
¿Puede ejecutarse completamente de forma local?
Puede usar un wrapper de Ollama, pero el flujo de trabajo predeterminado espera herramientas de modelos externas.
¿Qué es una puntuación de convergencia?
Es una estimación de acuerdo entre las salidas de los modelos. Debe orientar la revisión, no sustituir el juicio humano.
¿Guarda mi texto fuente?
Los rastros de auditoría pueden almacenar extractos del texto fuente y respuestas de modelos localmente cuando el guardado de rastros está activado.
¿Es seguro para documentos confidenciales?
Úsalo solo después de confirmar que las políticas del proveedor, la CLI y el almacenamiento local coinciden con tus necesidades de confidencialidad.