SKILLEMALL.ai
EN Войти

BF scholar-search

Ищет научные статьи и авторов через Scholar API (scholar.x49.ai). Используется для поиска статей по теме, ключевому слову или запросу на естественном языке, поиска авторов, получения предложений по поиску, поиска метаданных статей, проверки рейтингов журналов (JCR/CCF/FQBJCR) или фильтрации по открытому доступу, диапазону лет, типу статьи или месту публикации. Охватывает все академические дисциплины. Активируется, когда пользователь упоминает научные статьи, исследовательские работы, поиск литературы, журнальные статьи, поиск авторов, количество цитирований, открытый доступ или хочет выполнить поиск в научных базах данных.

машинный переводПоказать оригиналСкрыть оригинал«Search academic papers and authors via the Scholar API (scholar.x49.ai…»

Search academic papers and authors via the Scholar API (scholar.x49.ai). Use for finding papers by topic, keyword, or natural-language query, discovering authors, getting search suggestions, looking up paper metadata, checking journal rankings (JCR/CCF/FQBJCR), or filtering by open access, year range, paper type, or venue. Covers all academic disciplines. Triggers when user mentions academic papers, scholarly articles, research papers, literature search, journal articles, author lookup, citation counts, open access, or wants to search scholarly databases.

ClawHub Agent Skills автор: wahahaaaa123 v1.0.1 MIT-0 2 файла тело ≈ 2 169 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Ищет научные статьи и авторов через Scholar API (scholar.x49.ai). Используется для поиска статей по теме, ключевому слову или запросу на естественном языке…

Как процесс F 39/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: landing_page_url

ИнтеграцияИсследованиятип 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
87/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
77
Прогон на моделях
не было
Процессный рейтинг
F
39/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: landing_page_url
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

Как улучшить

  1. 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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
    Заранее разрешены широкие инструменты: Bash
    allowed-tools: Bash
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:34
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    2. Built-in free key: `psk_…CO4`
    в кавычках

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

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: landing_page_url
  • заметка frontmatter-key неизвестное поле фронтматтера "effort"

Процессный рейтинг: все десять параметров 39/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: landing_page_url
  • 0Инструменты и файлы. Не хватает 1 файла(ов): landing_page_url
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (scholar-search) не совпадает с папкой (scholar-search-x49)
  • 55Ошибки и развилки. Развилок: 1
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 38
  • 100Стоимость исполнения. Тело инструкции 2169 токенов

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 561 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 38 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: suspicious
This is a coherent academic search skill, but it needs review because its credential handling could expose a generic local secret and it includes a reusable built-in API token.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.