AC web-research
Веб-поиск с помощью Tavily и Firecrawl. Ищет в интернете, читает страницы, сканирует сайты и обобщает результаты. Используйте, когда: (1) пользователь говорит «веб-поиск», «исследуй это», «узнай», «найди информацию о», «что нового по теме», «/web-research», (2) пользователю нужна информация из интернета для принятия решения, разработки стратегии или контента, (3) пользователь предоставляет URL и хочет, чтобы его прочитали/проанализировали, (4) пользователь хочет получить информацию о конкурентах, провести исследование рынка или углубиться в тему. НЕ использовать для: поиска в X/Twitter, поиска на Reddit, сбора данных для конвейеров данных или автоматизации браузера, не связанной с исследованиями.
машинный переводПоказать оригиналСкрыть оригинал«Web research using Tavily and Firecrawl. Searches the web, reads pages…»
Web research using Tavily and Firecrawl. Searches the web, reads pages, crawls sites, and synthesizes findings. Use when: (1) user says "web research", "research this", "look into", "find out about", "what's the latest on", "/web-research", (2) user needs information from the web to inform a decision, strategy, or content, (3) user provides a URL and wants it read/analyzed, (4) user wants competitive intel, market research, or topic deep-dives. NOT for: X/Twitter research, Reddit research, scraping for data pipelines, or browser automation unrelated to research.
Скилл обещает поиск в сети через Tavily и Firecrawl: ищет, читает страницы, ползает по сайтам, синтезирует результаты. Работает по триггерам вроде «research this» или когда нужна информация с web для решения. Грейд A, оценка качества 93, безопасность 100. Файл один, ошибок линтера нет, критических находок не было.
Скилл не требует моделей — это workflow для интеграции с поисковыми API. Платформ поддерживает много: Claude, Cursor, Gemini, DeepSeek и другие. Процесс-скор 63 намекает на возможные пробелы в документации или логике срабатывания, но критичного там нет. Ставить стоит, если часто даёте ИИ-помощнику задачи типа «узнай про конкурентов» или «что сейчас пишут про это».
Веб-поиск с помощью Tavily и Firecrawl.
Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, 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: 1. 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 63/100
- 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
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 15
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1259 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 568 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +4Есть примеры (9 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.