SKILLEMALL.ai
EN Войти

BF deep-research-pro-litiao

Агент для глубоких исследований из нескольких источников. Ищет в интернете, синтезирует результаты и предоставляет отчеты с цитатами. Использует API Tavily (предпочтительно) или DuckDuckGo (в качестве резервного варианта).

машинный переводПоказать оригиналСкрыть оригинал«Multi-source deep research agent. Searches the web, synthesizes findin…»

Multi-source deep research agent. Searches the web, synthesizes findings, and delivers cited reports. Uses Tavily API (preferred) or DuckDuckGo (fallback).

ClawHub Agent Skills автор: litiao1224 v1.0.0 MIT-0 5 файлов тело ≈ 1 205 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Агент для глубоких исследований из нескольких источников.

Как процесс F 59/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: url

ИнтеграцияДанные и аналитикаИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
F
59/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: url
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
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: 5. 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: url
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 59/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: url
  • 0Инструменты и файлы. Не хватает 1 файла(ов): url
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 24
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1205 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

  • +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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 155 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 24 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: clean
This is a web research helper whose search, page fetching, and report saving fit its stated purpose, though its documentation is inconsistent about Tavily/API-key use and local persistence.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.