SKILLEMALL.ai

AD ok-computer-swarm

Запуск нескольких субагентов для параллельного исследования списка тем, вдохновленный функциями Kimi.com OK Computer и Agent Swarm【453334500861599†L40-L99】. Каждый субагент выполняет поиск DuckDuckGo по своей теме и возвращает лучшие результаты. Когда все субагенты закончат, навык агрегирует их результаты в единый структурированный отчет. Используйте этот навык для широких, многотемных исследований, где параллельное исследование экономит время.

машинный переводПоказать оригиналСкрыть оригинал«Spawn multiple sub‑agents to perform concurrent research on a list of…»

Spawn multiple sub‑agents to perform concurrent research on a list of topics, inspired by Kimi.com’s OK Computer and Agent Swarm features【453334500861599†L40-L99】. Each sub‑agent performs a DuckDuckGo search for its assigned topic and returns the top results. When all sub‑agents finish, the skill aggregates their findings into a single structured report. Use this skill for broad, multi‑topic research where parallel exploration saves time.

ClawHub Agent Skills автор: Graham Miranda v0.1.0 6 файлов тело ≈ 415 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Запуск нескольких субагентов для параллельного исследования списка тем, вдохновленный функциями Kimi.com OK Computer и Agent Swarm【453334500861599†L40-L99】.…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураИИ 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
D
47/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 6. 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 47/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (ok-computer-swarm) не совпадает с папкой (openclaw-ok-computer-skill)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 6
    • 100Стоимость исполнения. Тело инструкции 415 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

    • +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 445 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 6 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: clean
    This is a straightforward DuckDuckGo search helper that sends user-provided queries to DuckDuckGo, with no evidence of hidden persistence, credential access, or destructive behavior.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.