wjs-voicedrop — independently scanned and version-tracked by SaferSkills.
SaferSkills independently audited wjs-voicedrop (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.
Findings & checks · 0 flagged
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
# 王建硕（管理员）直接从 .env 读
TOKEN=$(grep -E '^FILES_TOKEN=' ~/code/.env | cut -d'=' -f2- | tr -d '"' | head -1)
# 普通用户：App → 设置 → 访问令牌 → 复制
TOKEN=anon_xxxxxxxx...使用 articles API（不再用 /files/api/list）：
TOKEN=$(grep -E '^FILES_TOKEN=' ~/code/.env | cut -d'=' -f2- | tr -d '"' | head -1)
curl -s -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/articles返回结构：
{
"articles": [
{ "stem": "VoiceDrop-2026-06-20-143052", "title": "AI 与人的边界", "version": 3, "createdAt": 1718870452000, "updatedAt": 1718872000000, "count": 2 }
]
}格式化展示（最新在前）：
curl -s -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/articles \
| python3 -c "
import json, sys
from datetime import datetime
data = json.load(sys.stdin)
arts = data.get('articles', [])
print(f'共 {len(arts)} 篇文章：\n')
for a in arts:
dt = datetime.fromtimestamp(a['createdAt']/1000).strftime('%Y-%m-%d')
print(f' [{dt}] {a[\"title\"]} (stem={a[\"stem\"]}, {a[\"count\"]} 节, v{a[\"version\"]})')
"如需读某篇全文（transcript + 正文 Markdown）：
curl -s -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/articles/<stem>
# 返回 {transcript, articles:[{title, body}], createdAt, updatedAt, ...}目标：从几篇样本文章提炼出精简的「文风规则」，上传到 R2 的 CLAUDE.md，让 miner 挖文章时自动带上。
服务器 miner 的 SYSTEM prompt 已包含核心文风 DNA。CLAUDE.md 的 # 我的文风 是叠加补充的，只需 10–20 条可执行的差异规则，不需要完整卡片。
1. 列出可用文章
TOKEN=$(grep -E '^FILES_TOKEN=' ~/code/.env | cut -d'=' -f2- | tr -d '"' | head -1)
curl -s -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/articles2. 请用户选择 3–6 篇作为样本（少于 3 篇提醒指纹不稳定）
3. 逐篇读取正文
curl -s -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/articles/<stem>从返回 JSON 中取 articles[*].body（已成文的 Markdown 正文）作为分析素材，不用 transcript（口述原文）。
4. 派子 agent 分析（隔离上下文）
从这些文章里提炼这位作者写作时最突出的、可执行的语言习惯。关注：句子长短偏好、段落密度、人称用法、词汇倾向、论证方式、结尾习惯、绝不做的事。不要 分析思想立场，只分析怎么写。输出 15–20 条 bullet，每条一句话，用「用 X」「不用 Y」「X 必须在 Y 前面」等可执行语言写。
5. 回收规则，润色
检查每条是否可执行（「喜欢短句」太模糊；「单句成段，段落 1–3 句居多」才够用）。去掉与服务器 SYSTEM prompt 完全重复的规则。
6. 组装 CLAUDE.md
# 我的名字
<用户名字>
# 我的文风
- 规则1
- 规则2
...7. 预览，获得确认后上传
cat > /tmp/voicedrop-claudemd.txt << 'STYLE'
# 我的名字
王建硕
# 我的文风
- <规则1>
- <规则2>
STYLE
curl -s -X PUT \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: text/markdown; charset=utf-8" \
--data-binary @/tmp/voicedrop-claudemd.txt \
https://jianshuo.dev/files/api/upload/CLAUDE.md成功（2xx）→ 告知用户「文风已上传，下次录音挖文章时自动生效」。
# 先读出现有文风
curl -s -H "Authorization: Bearer $TOKEN" \
"https://jianshuo.dev/files/api/download/CLAUDE.md"
# 手动编辑后重新 PUT（同上传步骤）如需立即触发挖矿（对待处理录音加急处理）：
TOKEN=$(grep -E '^FILES_TOKEN=' ~/code/.env | cut -d'=' -f2- | tr -d '"' | head -1)
curl -s -X POST -H "Authorization: Bearer $TOKEN" https://jianshuo.dev/files/api/mine完整挖矿流程（含 ASR 转写、多文章挖出）见 /wjs-mining-voicedrop skill。
| 错误 | 修正 |
|---|---|
401 Unauthorized | TOKEN 没设或过期 → App 设置 → 访问令牌 → 重新复制 |
403 Forbidden | 普通 token 只能访问自己的 scope；管理员操作用 FILES_TOKEN |
| articles 返回空数组 | 还没有成文的文章，可触发挖矿或等待 miner 处理 |
| 上传文风后 App 没变 | 切离再切回「设置」tab 重新加载 |
| 文风规则太抽象 | 每条规则要能被不认识该作者的模型直接照着执行 |
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.