SKILLEMALL.ai

AC deep-research

Автономное глубокое исследование с использованием нескольких моделей и логики на основе фреймворков. Создает 4 параллельных агентских модели (Gemini 2.5 Pro, o3, Opus, MiniMax), каждая применяет лучшие практики фреймворков к вопросу, затем объединяется в кросс-валидированный финальный отчет. Используйте, когда: (1) пользователь запрашивает углубленное исследование, (2) «исследуй X» или «глубокое погружение в X», (3) сложные вопросы, требующие множества источников. НЕ для: простых фактических запросов.

машинный переводПоказать оригиналСкрыть оригинал«Autonomous multi-model deep research with framework-driven reasoning.…»

Autonomous multi-model deep research with framework-driven reasoning. Spawns 4 parallel model agents (Gemini 2.5 Pro, o3, Opus, MiniMax), each applies best-practice frameworks to the question, then merges into a cross-validated final report. Use when: (1) user asks for in-depth research, (2) 'research X' or 'deep dive on X', (3) complex questions requiring multiple sources. NOT for: simple factual lookups.

ClawHub Agent Skills автор: LeadingOT v2.0.0 3 файла тело ≈ 2 264 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Автономное глубокое исследование с использованием нескольких моделей и логики на основе фреймворков.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторДанные и аналитикаИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 3. 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 55/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (deep-research) не совпадает с папкой (opusflame-deep-research)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Ошибки и развилки. Развилок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 47
    • 100Стоимость исполнения. Тело инструкции 2264 токенов
    • 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 409 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 47 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed deep-research workflow that uses multiple models, web research, saved reports, and PDF delivery in ways that fit its stated purpose.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.