SKILLEMALL.ai

AC pangolin-serp

Поиск в Google и скрейпинг Amazon с использованием Pangolin API. Поддерживает поиск в режиме ИИ (обзор Google AI с диалогом с несколькими поворотами), стандартный SERP с извлечением обзора ИИ, скрейпинг продуктов/ключевых слов/категорий Amazon и захват скриншотов. Используйте, когда вам нужно программно искать в Google, получать обзоры ИИ, скрейпить результаты SERP, выполнять поиск Google AI с несколькими поворотами или извлекать данные о продуктах Amazon. Требует переменных среды PANGOLIN_EMAIL и PANGOLIN_PASSWORD (или PANGOLIN_TOKEN).

машинный переводПоказать оригиналСкрыть оригинал«Search Google and scrape Amazon using Pangolin APIs. Supports AI Mode…»

Search Google and scrape Amazon using Pangolin APIs. Supports AI Mode search (Google AI Overview with multi-turn dialogue), standard SERP with AI Overview extraction, Amazon product/keyword/category scraping, and screenshot capture. Use when needing to search Google programmatically, get AI overviews, scrape SERP results, perform multi-turn Google AI search, or extract Amazon product data. Requires PANGOLIN_EMAIL and PANGOLIN_PASSWORD env vars (or PANGOLIN_TOKEN).

ClawHub Agent Skills автор: Pangolinfo & AgentGo v1.0.1 MIT-0 8 файлов тело ≈ 1 747 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Поиск в Google и скрейпинг Amazon с использованием Pangolin API.

Как процесс C 63/100 · Есть пробелы — слабые места: когда включается, согласованность, отчётность по ходу

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Согласованность вес 8
40
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: 8. 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 63/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (pangolin-serp) не совпадает с папкой (pangolinfo-scrape-legacy)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 9
    • 100Стоимость исполнения. Тело инструкции 1747 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)
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 468 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 9 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (17 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This is a straightforward Pangolin API helper, with expected credential use and remote search/scrape requests, but users should treat tokens and submitted queries as sensitive.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.