SKILLEMALL.ai

AC exa-research-papers

Находите научные статьи, исследования и обзоры по любой теме с помощью поиска по категории научных статей Exa. Используйте, когда пользователь упоминает 'найти статьи', 'научные статьи', 'академический поиск', 'исследования о', 'научные работы', 'найти исследование по' или 'поиск литературы'. Охватывает поиск и синтез научных исследований. НЕ для общего веб-поиска или исследования компаний. Для исследования компаний см. exa-company-research. Для исследования рынка/отрасли см. market-research.

машинный переводПоказать оригиналСкрыть оригинал«Find academic papers, studies, and research on any topic using Exa's r…»

Find academic papers, studies, and research on any topic using Exa's research paper category search. Use when the user mentions 'find papers,' 'research papers,' 'academic search,' 'studies about,' 'scientific papers,' 'find research on,' or 'literature search.' Covers finding and synthesizing academic research. NOT for general web search or company research. For company research, see exa-company-research. For market/industry research, see market-research.

ClawHub Agent Skills автор: Mario Karras v1.0.0 MIT-0 2 файла тело ≈ 733 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Находите научные статьи, исследования и обзоры по любой теме с помощью поиска по категории научных статей Exa.

Как процесс C 57/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ПроцедураИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 2. 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 57/100

    • 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
    • 40Согласованность. Имя во frontmatter (exa-research-papers) не совпадает с папкой (abm-exa-research-papers)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 20, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Стоимость исполнения. Тело инструкции 733 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 460 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    The skill is a legitimate academic-paper search helper, but it asks agents to read unrelated local marketing context and run shell-style search commands with user-supplied topics.
    LLM: suspicious (high) · VirusTotal: · 12 сент. 2026 г.