SKILLEMALL.ai
GitHub ↗ EN Войти

AF deep-research

Проводит глубокое многоэтапное исследование с использованием параллельных под-агентов и итеративного поиска. Используйте для глубоких запросов на исследование, комплексного анализа, конкурентной разведки, исследования рынка или тщательного изучения сложных тем.

машинный переводПоказать оригиналСкрыть оригинал«Conduct deep multi-phase research using parallel subagents and iterati…»

Conduct deep multi-phase research using parallel subagents and iterative search. Use for deep research requests, comprehensive analysis, competitive intelligence, market research, or thorough investigation of complex topics.

ClawHub Agent Skills автор: Didac v1.0.0 MIT-0 2 файла тело ≈ 1 703 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Проводит глубокое многоэтапное исследование с использованием параллельных под-агентов и итеративного поиска.

Как процесс F 48/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: URL

АнализаторИнфраструктуратип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
F
48/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: URL
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 missing-ref ссылка на отсутствующий файл: URL

Процессный рейтинг: все десять параметров 48/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: URL
  • 0Инструменты и файлы. Не хватает 1 файла(ов): URL
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (deep-research) не совпадает с папкой (autosolutions-deep-research)
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 60Ошибки и развилки. Развилок: 2
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 56
  • 100Стоимость исполнения. Тело инструкции 1703 токенов

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This skill is an instruction-only research workflow that openly uses web search, web fetching, and parallel subagents to produce cited reports.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.