SKILLEMALL.ai

AC consulting-report-search

Навык поиска и ответов на вопросы по консультационным и отраслевым отчетам с приоритетом бесплатных отчетов iResearch. Используйте для поиска консультационных отчетов, ответов на вопросы по отраслевым отчетам, поиска отчетов iResearch и поиска отчетов по исследованию рынка.

машинный переводПоказать оригиналСкрыть оригинал«Consulting and industry report search and QA skill that prioritizes iR…»

Consulting and industry report search and QA skill that prioritizes iResearch free reports. Use for consulting report search, industry report QA, iResearch report lookup, and market research report search.

ClawHub Agent Skills автор: Robin v1.0.0 MIT-0 4 файла тело ≈ 4 930 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Навык поиска и ответов на вопросы по консультационным и отраслевым отчетам с приоритетом бесплатных отчетов iResearch.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 61/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4930 токенов
    • 85Шаги. Шагов: 102, расплывчатых формулировок: 2
    • 100Ошибки и развилки. Развилок: 19, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

    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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +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
    • +3Длина description 205 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 35 заголовков
    • +3Пошаговые инструкции: 102 пунктов
    • +4Есть примеры (16 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This report-search skill appears purpose-aligned and only queries public report sources, with no evidence of hidden credential use, persistence, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.