SKILLEMALL.ai

AB tavily-search-pro-native-node

Поиск в Интернете Tavily исследовательского уровня для OpenClaw с использованием нативного Node.js без зависимостей. Используйте для глубоких веб-исследований, извлечения контента из нескольких URL, отслеживания оценочного количества кредитов Tavily, кэширования ответов, обзора логов использования и отката при ошибках 429. Включает подкоманды search, extract, stats и cache. Требует TAVILY_API_KEY в переменной окружения процесса. Для минимального использования только поиска предпочтите tavily-search-native-node.

машинный переводПоказать оригиналСкрыть оригинал«Research-grade Tavily web search for OpenClaw using native Node.js wit…»

Research-grade Tavily web search for OpenClaw using native Node.js with zero dependencies. Use for deep web research, multi-URL content extraction, estimated Tavily credit tracking, response caching, usage-log review, and 429 backoff. Includes search, extract, stats, and cache subcommands. Requires TAVILY_API_KEY in the process environment. For minimal search-only use, prefer tavily-search-native-node.

ClawHub Agent Skills автор: Jeremy Westburg v1.0.36 MIT-0 5 файлов тело ≈ 4 162 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Поиск в Интернете Tavily исследовательского уровня для OpenClaw с использованием нативного Node.js без зависимостей. Используйте для глубоких…

Как процесс B 66/100 · Почти готов — слабые места: повторный запуск

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
99/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
97
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Повторный запуск вес 4
30
Когда включается вес 12
50
Ошибки и развилки вес 10
50
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "risk_class"

    Процессный рейтинг: все десять параметров 66/100

    • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, web, node), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4162 токенов
    • 85Шаги. Шагов: 88, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 10. 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 405 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 88 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 97.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed Tavily web research helper with expected external API use, local caching, and local usage logging.
    LLM: benign (high) · VirusTotal: · 11 сент. 2026 г.