Навыки synthese-multi-llm
📦

synthese-multi-llm

Средний риск ⚡ Содержит скрипты🌐 Доступ к сети📁 Доступ к файловой системе🔑 Переменные окружения⚙️ Внешние команды

Синтез текста с помощью совета из нескольких LLM

Длинные документы бывает трудно резюмировать без потери смысла или внесения смещения в результат. Этот skill сравнивает несколько модельных точек зрения и фиксирует ход рассуждений.

Поддерживает: Claude Codex Code(CC)
⚠️ 50 Плохо
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Ресурсы для Agent

Используйте эти ссылки, когда AI Agent, crawler или script нужен чистый контекст вместо чтения всей страницы.

Протестировать

Использование «synthese-multi-llm». Для 20-страничного стратегического отчета нужно резюме к встрече руководства.

Ожидаемый результат:

Краткое резюме для руководства с ключевыми утверждениями, пунктами для принятия решений, заметками о неопределенности и оценкой сходимости.

Использование «synthese-multi-llm». Черновое резюме может преувеличивать содержание исходного документа.

Ожидаемый результат:

Проверка точности, перечисляющая неподтвержденные утверждения, недостающий контекст и более безопасные варианты формулировок.

Использование «synthese-multi-llm». Для технической статьи нужно понятное читателю объяснение.

Ожидаемый результат:

Структурированное резюме, которое разделяет факты, интерпретацию и нерешенные вопросы.

Аудит безопасности

Средний риск
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
Просканировано файлов
8,591
Проанализировано строк
12
находки
6
Всего аудитов
Проблемы среднего риска (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.
Проблемы низкого риска (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.

Обнаруженные паттерны

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

Оценка качества

68
Архитектура
100
Сопровождаемость
87
Контент
70
Сообщество
39
Безопасность
83
Соответствие спецификации

Что вы можете построить

Проверка аналитической записки

Создайте сбалансированное резюме и определите места, где смысл может измениться при сжатии.

Сравнение интерпретаций исследования

Попросите несколько модельных ролей извлечь утверждения, раскритиковать пропуски и сойтись на итоговом синтезе.

Подготовка резюме для руководства

Преобразуйте длинный отчет в целевое резюме с настройками аудитории, тона и длины.

Попробуйте эти промпты

Резюмировать документ
Use synthese-multi-llm to summarize this document for a general audience. Keep the key claims and note major uncertainties.
Создать краткий отчет для руководства
Use the council to summarize this report for executives. Make it concise, formal, and focused on decisions.
Проверить семантический дрейф
Compare this source text with my draft summary. Identify omissions, additions, and shifts in meaning before revising it.
Запустить прослеживаемую проверку советом
Run a standard multi-model synthesis with audit trail enabled. Preserve dissenting points and explain the convergence score.

Лучшие практики

  • Оцените чувствительность исходных данных перед отправкой документов внешним поставщикам моделей.
  • Используйте критический режим, когда точность важнее скорости.
  • Отключайте журналы аудита, когда локальное сохранение исходного текста недопустимо.

Избегать

  • Не обрабатывайте секреты, учетные данные или конфиденциальные записи без утвержденной политики работы с данными.
  • Не рассматривайте оценку сходимости как доказательство того, что резюме корректно.
  • Не запускайте настраиваемые CLI-бэкенды из недоверенных конфигурационных файлов.

Часто задаваемые вопросы

Какие модели использует этот skill?
Он разработан для Claude, Gemini и Codex, с резервным поведением, когда доступно меньше моделей.
Требуются ли API-ключи?
Ему могут требоваться аутентифицированные CLI или API-ключи, в зависимости от выбранного бэкенда.
Может ли он работать полностью локально?
Он может использовать обертку Ollama, но стандартный рабочий процесс предполагает внешние модельные инструменты.
Что такое оценка сходимости?
Это оценка согласия между выходными данными моделей. Она должна направлять проверку, а не заменять человеческое суждение.
Сохраняет ли он мой исходный текст?
Журналы аудита могут локально сохранять фрагменты исходного текста и ответы моделей, когда сохранение журналов включено.
Безопасно ли это для конфиденциальных документов?
Используйте его только после подтверждения, что политики поставщика, CLI и локального хранения соответствуют вашим требованиям конфиденциальности.

Сведения для разработчиков

Автор

Alexmacapple

Лицензия

MIT

Ссылка

main