SKILLEMALL.ai

BF gr-competitor

Глубокое сканирование конкурентов. Массовый сбор целевых страниц конкурентов (title/h1/intro/pricing), страниц с ценами, топ-10 блогов, истории изменений (Wayback). Использует actionbook (30 параллельных вкладок + экономия 90% токенов). Вызывается, когда пользователь говорит "анализировать конкурентов", "посмотреть, что делают конкуренты", "найти аналог", "просканировать топ-10".

машинный переводПоказать оригиналСкрыть оригинал«竞品深度扫描。批量抓取对手落地页(title/h1/intro/pricing)、定价页、博客 top 10、 变更历史(Wayback)。…»

竞品深度扫描。批量抓取对手落地页(title/h1/intro/pricing)、定价页、博客 top 10、 变更历史(Wayback)。底层调 actionbook(并发 30 tab + 省 90% token)。 当用户说"分析对手"、"看看竞品在做啥"、"找对标"、"扫一下 top 10"时调用。

ClawHub Agent Skills автор: Iris Wei v1.0.0 MIT-0 3 файла тело ≈ 726 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокое сканирование конкурентов.

Как процесс F 40/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/scan-serp.sh, scripts/pricing-diff.py

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
F
40/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/scan-serp.sh, scripts/pricing-diff.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/scan-serp.sh
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/pricing-diff.py
  • заметка frontmatter-key неизвестное поле фронтматтера "source"

Процессный рейтинг: все десять параметров 40/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/scan-serp.sh, scripts/pricing-diff.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/scan-serp.sh, scripts/pricing-diff.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 24
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 726 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 154 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: clean
This skill openly provides competitor-research workflows that use Actionbook to scan websites, with practical privacy and compliance cautions but no evidence of hidden or malicious behavior.
LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.