SKILLEMALL.ai

AC google-scholar-research-scraper-agent-built-api-skill

Этот навык помогает пользователям запускать шаблон BrowserAct бота для скрейпинга исследований Google Scholar и извлекать структурированные общедоступные данные. Используйте этот навык, когда пользователи просят собрать данные бота для скрейпинга исследований Google Scholar, выполнить скрейпинг результатов бота для скрейпинга исследований Google Scholar, экспортировать общедоступные записи, обогатить наборы данных, отслеживать общедоступные веб-данные или вызвать этот шаблон BrowserAct через API.

машинный переводПоказать оригиналСкрыть оригинал«This skill helps users run the Google Scholar Research Scraper Bot Bro…»

This skill helps users run the Google Scholar Research Scraper Bot BrowserAct template and extract structured public data. Use this skill when users ask to collect google scholar research scraper bot data, scrape google scholar research scraper bot results, export public records, enrich datasets, monitor public web data, or call this BrowserAct template by API.

ClawHub Agent Skills автор: browser-act skill v1.0.0 MIT-0 3 файла тело ≈ 1 013 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Этот навык помогает пользователям запускать шаблон BrowserAct бота для скрейпинга исследований Google Scholar и извлекать структурированные общедоступные…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ИнтеграцияИнфраструктураДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
Повторный запуск вес 4
30
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: 3. 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 40
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1013 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 363 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 40 пунктов
    • +4Есть примеры (1 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    The skill mostly does what it advertises, but its Google Scholar scraper scope is broadened to public-data collection and contact details without enough limits or privacy guidance.
    LLM: suspicious (high) · 8 сент. 2026 г.