SKILLEMALL.ai
GitHub ↗ EN Войти

BF deep-research

Глубокое исследование чистого рабочего процесса OpenClaw: без привязки к моделям или поисковым службам, оркестрация хост-инструментов в проверяемый процесс. Подходит для исследования конкурентов, отраслей, выбора решений, рисков и данных; многократные уточняющие вопросы, перекрестная проверка исходных текстов из нескольких источников, раскрытие противоречий, предоставление проверяемых отчетов и пакетов доказательств.

машинный переводПоказать оригиналСкрыть оригинал«OpenClaw 纯工作流深度调研：不绑定模型或搜索服务，把宿主工具编排成可复核流程。适合竞品、行业、选型、风险和资料研究；N 轮追问、多来…»

OpenClaw 纯工作流深度调研：不绑定模型或搜索服务，把宿主工具编排成可复核流程。适合竞品、行业、选型、风险和资料研究；N 轮追问、多来源原文核验、冲突披露，交付可审计报告和证据包。

ClawHub Agent Skills автор: 澄歌 v0.2.5 MIT-0 35 файлов тело ≈ 99 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Глубокое исследование чистого рабочего процесса OpenClaw: без привязки к моделям или поисковым службам, оркестрация хост-инструментов в проверяемый процесс.

Как процесс F 34/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

СправочникИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 35. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 34/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 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
  • 40Согласованность. Имя во frontmatter (deep-research) не совпадает с папкой (deep-research-skill)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Стоимость исполнения. Тело инструкции 99 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)
  • +3Длина description 93: рекомендуется 120–800 символов
  • +4Структура: 1 заголовков, инструкции сложно сканировать
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • -311 из 12 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +4Справочные файлы упоминаются в инструкциях (3 из 5)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: clean
This is a disclosed deep-research workflow skill that writes local audit artifacts and uses host-provided search, browsing, and optional sub-agents without evidence of hidden exfiltration or destructive behavior.
LLM: benign (high) · VirusTotal: · 4 сент. 2026 г.