SKILLEMALL.ai

AC gemini-deep-research

Глубокое исследование Gemini через расширение gemini-cli deep-research MCP. Используйте, когда пользователь хочет глубоко исследовать тему, провести анализ рынка/отрасли или сгенерировать исчерпывающий отчет. Активируется по запросам: deep research X, помогите мне исследовать X, gemini deep research X, исследуйте X, сделайте глубокий поиск по X. Требуется установка gemini-cli и расширения gemini-deep-research, а также настроенный платный ключ Google AI API.

машинный переводПоказать оригиналСкрыть оригинал«Gemini Deep Research via the gemini-cli deep-research MCP extension. U…»

Gemini Deep Research via the gemini-cli deep-research MCP extension. Use when user wants to research a topic deeply, run market/industry analysis, or generate a comprehensive report. Triggers on: deep research X, 帮我研究 X, gemini deep research X, 研究一下 X, do a deep search on X. Requires the gemini-cli and gemini-deep-research extension to be installed and a paid Google AI API key to be configured.

ClawHub Agent Skills автор: Skywalker326 v1.0.0 MIT-0 4 файла тело ≈ 833 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокое исследование Gemini через расширение gemini-cli deep-research MCP.

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, повторный запуск

ИнтеграцияДанные и аналитикаИнфраструктураИИ и агентытип 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
62/100
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 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (gemini-deep-research) не совпадает с папкой (gemini-deep-research-jclaw)
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 20
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 833 токенов
    • low Ответ описан самодельной разметкой (5 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 397 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (1 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
    The skill appears to be a disclosed research-report generator that calls an external AI/report API and may save the resulting Markdown, with no evidence of hidden or destructive behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.