SKILLEMALL.ai

AC context-dev

Используйте Context.dev для поиска в Интернете в реальном времени, скрейпинга страниц, сканирования, структурированного извлечения данных, парсинга документов, создания скриншотов, анализа брендов, систем дизайна, классификации отраслей, мониторинга и асинхронных пакетов. Активируйте, когда пользователю нужны актуальные общедоступные веб-данные, чистый Markdown или HTML, типизированный JSON с веб-сайтов, логотипы компаний или сведения о брендах, отслеживание изменений на веб-сайтах или высокообъемная обработка веб-данных — даже если Context.dev явно не упоминается.

машинный переводПоказать оригиналСкрыть оригинал«Use Context.dev for live web search, page scraping, crawling, structur…»

Use Context.dev for live web search, page scraping, crawling, structured extraction, document parsing, screenshots, brand intelligence, design systems, industry classification, monitors, and asynchronous batches. Trigger when a user needs current public-web data, clean Markdown or HTML, typed JSON from websites, company logos or brand details, website change tracking, or high-volume web processing—even when they do not mention Context.dev explicitly.

ClawHub Agent Skills автор: Context.dev (YC S26) v1.0.0 MIT-0 2 файла тело ≈ 1 144 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Используйте Context.dev для поиска в Интернете в реальном времени, скрейпинга страниц, сканирования, структурированного извлечения данных, парсинга…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ИнтеграцияМаркетингДизайнИИ 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
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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: 2. 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 60/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 16
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1144 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 454 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

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

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed Context.dev integration for public-web retrieval and extraction, with appropriate credential handling and confirmation for mutating monitor or batch actions.
    LLM: benign (high) · VirusTotal: · 17 авг. 2026 г.