AB apify-yandex-image-search-api
Ищите в вертикали Яндекс Картинки и получайте URL полноразмерных изображений в виде структурированного JSON с помощью инструмента Apify Yandex Search Scraper (johnvc/Scrape-Yandex). API для поиска изображений Яндекса для агентов и конвейеров. Один текстовый запрос возвращает результаты изображений с исходным URL полноразмерного изображения, ссылкой на страницу размещения, миниатюрой и источником, отфильтрованные по типу изображения, цвету, ориентации, типу файла, точному размеру, сайту и дате. Используйте, когда пользователь хочет API для поиска изображений Яндекса или API для Яндекс Картинки, хочет программно искать в Яндекс Картинках, собирать наборы данных изображений с полноразмерными URL, получать изображения с русскоязычных сайтов или фильтровать результаты изображений по цвету, размеру или сайту с разрешенной лицензией. Оплата за страницу, готов к использованию с MCP для Claude и других AI-агентов.
машинный переводПоказать оригиналСкрыть оригинал«Search the Yandex Images vertical and get full-size image URLs as stru…»
Search the Yandex Images vertical and get full-size image URLs as structured JSON with the Apify Yandex Search Scraper Actor (johnvc/Scrape-Yandex). A yandex image search api for agents and pipelines. One text query returns image results with the original full-size image URL, hosting page link, thumbnail, and source, filtered by image type, color, orientation, file type, exact size, site, and recency. Use when the user wants a yandex image search api or yandex images api, wants to search Yandex Images programmatically, collect image datasets with full-size URLs, source images from Russian-language sites, or filter image results by color, size, or license-friendly site. Pay-per-page billing, MCP-ready for Claude and other AI agents.
Ищите в вертикали Яндекс Картинки и получайте URL полноразмерных изображений в виде структурированного JSON с помощью инструмента Apify Yandex Search Scraper…
Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, отчётность по ходу
Как улучшить
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "author_url"
Процессный рейтинг: все десять параметров 69/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 28
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1585 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 741 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 28 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.