AC research-agent
Агент для глубокого исследования и анализа любой темы. Используйте, когда пользователь хочет исследовать тему, проанализировать конкурентов, оценить технологии, сравнить инструменты, изучить тенденции, провести исследование рынка или получить всесторонний анализ чего угодно. Активируется по фразам вроде "исследовать", "изучить", "проанализировать", "сравнить", "что такое", "расскажи о", "разобраться в", "глубокое погружение", "анализ конкурентов", "исследование рынка", "оценка технологий", "найти альтернативы", "анализ рынка", "плюсы и минусы", "стоит ли использовать". Предоставляет структурированные отчеты об исследованиях с источниками.
машинный переводПоказать оригиналСкрыть оригинал«Deep research and analysis agent for any topic. Use when the user want…»
Deep research and analysis agent for any topic. Use when the user wants to research a topic, analyze competitors, evaluate technologies, compare tools, investigate trends, do market research, or get a comprehensive analysis of anything. Triggers on phrases like "research", "investigate", "analyze", "compare", "what is", "tell me about", "look into", "deep dive", "competitor analysis", "market research", "technology evaluation", "find alternatives", "landscape analysis", "pros and cons", "should I use". Produces structured research reports with sources.
Агент для глубокого исследования и анализа любой темы.
Как процесс C 59/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск
Как улучшить
- 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: 5. 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 59/100
- 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 (research-agent) не совпадает с папкой (deep-research-agent)
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 48
- 100Стоимость исполнения. Тело инструкции 1325 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 15 примера фраз-триггеров в кавычках
- +3Длина description 558 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 48 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (6 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.