SKILLEMALL.ai

AC industry-research

Совместное отраслевое исследование с использованием нескольких агентов для OpenClaw. Динамически назначает роли исследователей, проводит параллельные исследования через sessions_spawn с расширением CLI codex/gemini/claude, итеративную проверку качества, слияние и объединение, выводит структурированный отчет в формате Markdown. Все параметры настраиваются через переменные окружения или интерактивную настройку. Триггер: /research, 行业调研, industry research, 调研报告

машинный переводПоказать оригиналСкрыть оригинал«Multi-agent collaborative industry research for OpenClaw. Dynamically…»

Multi-agent collaborative industry research for OpenClaw. Dynamically assigns research roles, runs parallel research via sessions_spawn with codex/gemini/claude CLI augmentation, iterative quality review, merge & converge, outputs structured Markdown report. All parameters are configurable via environment variables or interactive setup. Trigger: /research, 行业调研, industry research, 调研报告

LeoYeAI/openclaw-master-skills Agent Skills автор: LeoYeAI MIT 4 файла тело ≈ 3 536 токенов Открыть источникgithub.com проанализирован 2 дн назад

Совместное отраслевое исследование с использованием нескольких агентов для OpenClaw.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
86
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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 56/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 40Согласованность. Имя во frontmatter (industry-research) не совпадает с папкой (multi-agent-industry-research)
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 75
    • 100Стоимость исполнения. Тело инструкции 3536 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
    • -2Ссылки на localhost: у другого пользователя не заработает
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 390 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 21 заголовков
    • +3Пошаговые инструкции: 75 пунктов
    • +4Есть примеры (14 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.