AC deep-research-zh
Инструмент глубоких исследований на китайском языке. На основе форка academic-deep-research, оптимизирован для китайского сценария: автоматическая генерация китайских PDF (встроенные стили, отказоустойчивость), интеграция поиска Tavily, автоматическая доставка в Feishu. Подходит для сценариев, требующих строгой методологии, таких как анализ конкурентов, исследование отраслей, изучение политики и т. д. Использует нативные инструменты OpenClaw (web_search, web_fetch, sessions_spawn) для многоисточникового исследования.
машинный переводПоказать оригиналСкрыть оригинал«中文深度调研工具。基于 academic-deep-research fork，针对中文场景优化：自动生成中文 PDF（内嵌样式、容错降级）…»
中文深度调研工具。基于 academic-deep-research fork，针对中文场景优化：自动生成中文 PDF（内嵌样式、容错降级）、Tavily 搜索集成、飞书自动交付。适用于竞品分析、行业调研、政策研究等需要严格方法论的场景。使用 native OpenClaw 工具（web_search, web_fetch, sessions_spawn）进行多源调研。
Инструмент глубоких исследований на китайском языке.
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 6386 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 6386 токенов
- 85Шаги. Шагов: 215, расплывчатых формулировок: 2
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 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: 18. 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -213 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 186 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 74 заголовков
- +3Пошаговые инструкции: 215 пунктов
- +4Есть примеры (8 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.