SKILLEMALL.ai

AA ultimate-research

Оркестрирует широкие или многодоменные исследования, направляя каждый запрос через обязательное ядро памяти, самосовершенствования, мозгового штурма, исследований, веб-скрейпинга и исследования рынка, а затем добавляет только те специализированные навыки, которые существенно улучшают ответ. Используйте, когда пользователь хочет получить исследованную рекомендацию, стратегию, конкурентный анализ, руководство по рынку или SEO, текущий обзор или любой неоднозначный запрос, требующий одного уточняющего вопроса или структурированного синтеза.

машинный переводПоказать оригиналСкрыть оригинал«Orchestrate broad or multi-domain research by routing every query thro…»

Orchestrate broad or multi-domain research by routing every query through a mandatory core of memory, self-improvement, brainstorming, research, web scraping, and market research, then add only the specialist skills that materially improve the answer. Use when the user wants a researched recommendation, strategy, competitive analysis, market or SEO guidance, a current digest, or any ambiguous query that needs one clarifying question or a structured synthesis.

ClawHub Agent Skills автор: Nemesis0017 v1.0.2 MIT-0 6 файлов тело ≈ 880 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оркестрирует широкие или многодоменные исследования, направляя каждый запрос через обязательное ядро памяти, самосовершенствования, мозгового штурма…

Как процесс A 80/100 · Дойдёт до конца — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

АнализаторИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
A
80/100
Дойдёт до конца
Отчётность по ходу вес 2
0
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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: 6. 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 80/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Ошибки и развилки. Развилок: 2
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 45
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 880 токенов

    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)
    • +4Нет примеров входа/выхода
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 463 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 45 пунктов
    • +3Формат ответа описан явно
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This is a disclosed research-routing skill that uses memory and web research broadly, with no evidence of hidden installation, exfiltration, destructive behavior, or privilege escalation.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.