
de scammer.skill62
Détecte les messages d'arnaque probables, identifie l'étape de l'escroquerie et prédit la prochaine action du fraudeur pour aider les utilisateurs à se protéger.
Cette compétence distille les scénarios d'arnaques courants en une logique de détection structurée : elle analyse les messages ou captures d'écran fournis par l'utilisateur, identifie l'étape du flux d'arnaque dans laquelle se trouve l'interaction, extrait les signaux clés et recommande les étapes suivantes pour rester en sécurité. Elle est explicitement défensive — conçue pour aider les utilisateurs à reconnaître les arnaques, et non pour les faciliter.
Utilisez cette compétence lorsqu'un utilisateur colle un message suspect, télécharge une capture d'écran d'une conversation ou demande si un contact ou une offre est légitime. Les déclencheurs incluent des commandes comme /detect-scam, /scammer [message], ou des invites en langage naturel telles que "Aide-moi à regarder ce message" / "Est-ce une arnaque ?". Elle prend également en charge les flux d'ajout/gestion pour maintenir une bibliothèque locale de modèles d'arnaques.
Cette compétence est écrite comme un SKILL.md de style Claude/agent avec des instructions et des appels d'outils (Read, Write, Edit, Bash). Elle fonctionnera mieux avec les agents prenant en charge les intégrations d'outils de lecture/écriture de fichiers et Bash (Claude Code, agents basés sur un CLI agentique).
Scammer.skill est une compétence d'agent bilingue (chinois/anglais) pour détecter les messages d'arnaque, identifier les phases d'escroquerie et prédire les prochaines étapes. Elle inclut des flux de travail détaillés pilotés par des prompts pour la détection et l'ajout de nouveaux modèles d'arnaques, avec une gestion de version via des scripts Python. Aucun script n'a été joint dans les données récupérées (ils résident dans le répertoire tools/ du dépôt GitHub), aucun test d'exécution n'a donc été possible. Le SKILL.md fait référence à des outils Python externes (pattern_writer.py, version_manager.py) qui ne sont pas inclus dans les scripts récupérés.
Compétence bien structurée avec des conditions de déclenchement claires, plusieurs flux de travail (détecter, ajouter, gérer, corriger) et une gestion de version. La compétence est défensive/éducative (aidant les utilisateurs à identifier les arnaques) et non malveillante. L'architecture suit raisonnablement bien la spécification des compétences avec les répertoires frontmatter, prompts/, tools/ et scams/. La principale faiblesse est que les outils Python référencés ne sont pas groupés dans le champ scripts — ce sont des dépendances externes qui devraient être présentes dans le répertoire de la compétence. Le SKILL.md est assez verbeux, ce qui pourrait être allégé avec plus de contenu dans references Certainly.