Вы удалили строку с API-ключом, но блокнот по-прежнему хранит его: в выводе ячейки, которая его напечатала, в трассировке ошибки с postgresql://analyst:password@db, в параметрах papermill в метаданных и в копии .ipynb_checkpoints. Этот навык находит такие утечки и еще семь типов проблем в блокнотах до того, как файл попадет на GitHub, в заявку или на Kaggle, и объясняет, как исправить каждую.

Ваш агент запускает сканер для файлов .ipynb (nbformat 4 и 3 из JupyterLab, Jupyter Notebook, VS Code, Colab, Kaggle и papermill, включая копии .ipynb_checkpoints). Он читает сам JSON блокнота: ячейки с кодом, Markdown и необработанным текстом, все типы вывода (stream, execute_result, display_data, error), метаданные блокнота и ячеек, а также сохраненное состояние виджетов. В каждой найденной проблеме указываются ячейка и точная строка файла .ipynb. Он никогда не выполняет блокнот и не запускает ядро. Результат проверки: BLOCK, REVIEW или NOT FLAGGED с указанием файла, строки, причины и более безопасного подхода. Секреты никогда не выводятся, а адреса электронной почты и номера телефонов только подсчитываются.

Что проверяется

BLOCK (исправить перед передачей)

• N01: пароли, API-ключи и токены в ячейках (присваивания, аргументы api_key=, %env, кортежи auth=, строки подключения в %sql, Bearer-токены, ключи Kaggle, ghp_, sk-, AKIA, hf_ и другие известные форматы ключей, закрытые ключи)

• N02: секреты, сохраненные в выводе (напечатанные ключи, дампы окружения, env: NAME=value, трассировки ошибок со строками подключения)

• N03: секреты в метаданных (параметры papermill, сохраненные значения ipywidgets Password)

REVIEW (проверить перед выпуском)

• N11: адреса электронной почты и номера телефонов в сохраненном выводе

• N12: установки через pip, %pip и conda без точной версии и git-URL без тега или коммита

• N13: загрузки, передаваемые по конвейеру в командную оболочку или Python (!curl ... | bash)

• N14: очень большой вывод, встроенные изображения размером более 1 МБ или сохраненный вывод общим объемом более 5 МБ

• N15: пути к домашним папкам (/Users/name, /home/name, C:\Users\name) в коде, выводе и метаданных

• N16: ячейки, выполненные не по порядку (уменьшающиеся счетчики выполнения)

• N17: сохраненные трассировки ошибок

Что входит в комплект

• Сканер (Python 3.9+, только стандартная библиотека)

• Справочник правил с объяснениями и более безопасным подходом для каждого правила

• Небезопасный и безопасный примеры проектов с двумя блокнотами в каждом, а также фактический отчет сканера по небезопасному примеру

Ограничения

Сканер читает сохраненный файл блокнота: он не распознает содержимое изображений и не читает парные файлы Jupytext, файлы .env и файлы данных, которые загружает блокнот. Проверяются блокноты размером до 20 МБ; в очень большом выводе поиск секретов ограничен первым 1 000 000 символов. NOT FLAGGED не гарантирует отсутствие проблем.

Содержимое

Один ZIP-архив с 11 файлами: SKILL.md, сканер в scripts/ (4 файла Python), references/rules.md (все правила с объяснениями и более безопасными подходами) и examples/ (4 файла примеров и report.md, фактический отчет сканера по небезопасному примеру).

Как использовать: Это навык для агента: папка с файлом SKILL.md и скриптами Python, которые может запускать ИИ-агент для программирования, например Claude Code, Cursor или Codex CLI. Распакуйте архив в папку навыков вашего агента (для Claude Code: ~/.claude/skills/), затем попросите агента проверить проект. Скрипты также можно запускать отдельно с Python 3.9 или новее, без установки дополнительных компонентов. Они только читают ваши файлы: доступа к сети нет, данные никуда не отправляются.