SKILLEMALL.ai

BC auto-tech-research

Навык полного автоматического технического глубокого исследования. Управляет браузером через Chrome DevTools Protocol, имитирует реальное поведение поиска на основных отечественных и зарубежных платформах, обеспечивая соответствие результатов поиска ручным операциям. Выводит структурированный отчет об исследовании в формате HTML. Основные принципы: - Не использовать web_fetch, использовать только browser (протокол CDP) - Поведение поиска соответствует реальному человеку: открыть поисковик → ввести ключевые слова → просмотреть результаты → открыть ссылку → извлечь контент - Прозрачно выводить статус получения данных для каждой платформы (успех/неудача/причина) Триггерные фразы: - "Полностью исследуй [технологию]" - "Глубоко изучи [технологию]" - "Анализ технологического ландшафта: [технология]"

машинный переводПоказать оригиналСкрыть оригинал«全自动化技术深度调研 Skill。通过 Chrome DevTools Protocol 操控浏览器, 模拟真人搜索行为,在国内外主流平台检…»

全自动化技术深度调研 Skill。通过 Chrome DevTools Protocol 操控浏览器, 模拟真人搜索行为,在国内外主流平台检索内容,确保搜索结果与人工操作一致。 输出 HTML 格式的结构化调研报告。 核心原则: - 不使用 web_fetch,全程使用 browser(CDP 协议) - 搜索行为与真人一致:打开搜索引擎 → 输入关键词 → 浏览结果 → 打开链接 → 提取内容 - 每个平台的获取状态透明输出(成功/失败/原因) 触发词: - "全面调研一下 [技术]" - "深度研究 [技术]" - "技术全景分析:[技术]"

ClawHub Agent Skills автор: huayang0704 v1.0.0 MIT-0 10 файлов тело ≈ 1 429 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык полного автоматического технического глубокого исследования.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1429 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 278 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (10 блоков кода)

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

Внешние проверки

ClawHub: suspicious
This skill needs review because it claims live browser research, can use logged-in Chrome sessions, and its bundled script generates synthetic reports with fake example.com sources.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.