SKILLEMALL.ai

BF autoglm-deepresearch

Глубокое исследование и анализ темы, предложенной пользователем, с выводом структурированного подробного отчета. Используйте, когда пользователю необходимо глубоко изучить тему, провести исследование рынка, тематическое исследование, анализ конкурентов и т. д. В отличие от обычного поиска, deepresearch сначала выполняет небольшой объем целевого поиска, затем глубоко читает несколько ключевых страниц, отображая промежуточные результаты по ходу процесса, и только потом делает обобщение, чтобы избежать медленного ответа из-за слишком большого количества вызовов. Токены автоматически получаются через локальный сервис http://127.0.0.1:53699/get_token, ручная настройка переменной окружения не требуется.

машинный переводПоказать оригиналСкрыть оригинал«对用户提出的课题进行深度研究和调研,输出结构化的深度报告。当用户需要深入了解某个话题、做行业调研、专题研究、竞品分析等场景时使用此 skil…»

对用户提出的课题进行深度研究和调研,输出结构化的深度报告。当用户需要深入了解某个话题、做行业调研、专题研究、竞品分析等场景时使用此 skill。 与普通搜索不同,deepresearch 会先做少量定向搜索,再对少量关键页面进行深度阅读,过程中优先展示中间发现,最后再做总结,避免因调用次数过多导致响应过慢。 Token 通过本地服务 http://127.0.0.1:53699/get_token 自动获取,无需手动配置环境变量。

ClawHub Agent Skills автор: mrhenghu v1.0.0 MIT-0 4 файла тело ≈ 588 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Глубокое исследование и анализ темы, предложенной пользователем, с выводом структурированного подробного отчета.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: URL

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: URL
Инструменты и файлы вес 18
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 4. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: URL

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: URL
  • 0Инструменты и файлы. Не хватает 1 файла(ов): URL
  • 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
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 588 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 217 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This skill is a disclosed AutoGLM research helper that sends search queries and selected URLs to documented APIs and uses a documented local token service, with no evidence of hidden persistence or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.