SKILLEMALL.ai
EN Войти

BD company-search-kimi

Инструмент для исследования компаний на основе поиска по нескольким источникам, генерирующий структурированные отчеты с детализацией информации, сравнимой с Tianyancha/Qichacha. Не полагается на устаревшие скрипты веб-скрапинга: использует kimisearch + kimifetch для поиска и анализа общедоступных веб-страниц/объявлений/новостей/раскрытия информации регулирующими органами в режиме реального времени, а также выполняет: разрешение неоднозначности сущностей → перекрестную проверку → структурированное обобщение → маркировку рисков.

машинный переводПоказать оригиналСкрыть оригинал«基于多源搜索的公司调研工具，生成“对标天眼查/企查查信息颗粒度”的结构化报告。 不依赖易失效的站点爬虫脚本：通过 kimisearch +…»

基于多源搜索的公司调研工具，生成“对标天眼查/企查查信息颗粒度”的结构化报告。 不依赖易失效的站点爬虫脚本：通过 kimisearch + kimifetch 对公开网页/公告/新闻/监管披露进行实时检索与深挖， 并对信息做：实体消歧 → 交叉验证 → 结构化汇总 → 风险标注。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 1 828 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Инструмент для исследования компаний на основе поиска по нескольким источникам, генерирующий структурированные отчеты с детализацией информации, сравнимой с…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТексты и документытип 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%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.
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: 2. 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")

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 134
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1828 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 140 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 134 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.