BF research-assistant
Проводит глубокое исследование из нескольких источников и генерирует структурированные отчеты. Используйте, когда пользователю необходимо: (1) исследовать компанию, отрасль или тему с разных сторон, (2) перекрестно проверять информацию из разных источников, (3) генерировать SWOT-анализ, анализ конкурентов или отчеты об исследовании отрасли, (4) составлять структурированный исследовательский бриф с цитированием источников.
машинный переводПоказать оригиналСкрыть оригинал«Conduct multi-source deep research and generate structured reports. Us…»
Conduct multi-source deep research and generate structured reports. Use when the user needs to: (1) investigate a company, industry, or topic from multiple angles, (2) cross-verify information across sources, (3) generate SWOT analysis, competitor analysis, or industry research reports, (4) compile a structured research brief with source citations.
Проводит глубокое исследование из нескольких источников и генерирует структурированные отчеты.
Как процесс F 37/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: URL
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Conduct multi-source deep research and generate structured reports… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
missing-refссылка на отсутствующий файл: URL - заметка
frontmatter-keyнеизвестное поле фронтматтера "emoji"
Процессный рейтинг: все десять параметров 37/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): URL
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (research-assistant) не совпадает с папкой (zcx-research-assistant)
- 100Шаги. Шагов: 23
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Стоимость исполнения. Тело инструкции 1659 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 350 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (9 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.