SKILLEMALL.ai
GitHub ↗ EN Войти

BF Signal-Search

Поиск/улучшенный поиск качества ответа: используется при поиске информации, проведении исследований, сравнении, поиске данных, сопоставлении источников, проверке фактов. Не создает списки ссылок — возвращает чистые ответы с взвешенной оценкой (SBA), привязкой к источникам на уровне фактов (M51), многоуровневой глубиной (L0–L3) и ограничением бюджета токенов; без рекламы, без ключей, встраиваемый, вызывается другими навыками как примитив поиска (LLM и возможности извлечения данных предоставляются вызывающей стороной).

машинный переводПоказать оригиналСкрыть оригинал«答案质量层搜索/增强检索 skill：搜信息、做调研、对比、查资料、信源比对、事实核查时启用。不做链接列表——返回带加权打分(SBA)、事实…»

答案质量层搜索/增强检索 skill：搜信息、做调研、对比、查资料、信源比对、事实核查时启用。不做链接列表——返回带加权打分(SBA)、事实级来源锚定(M51)、分层深度(L0–L3)与 token 预算封顶的干净答案；无广告、零 key、可嵌入，被其它 skill 当检索原语调用（由调用方注入 LLM 与抓取能力）。

ClawHub Agent Skills автор: Sabre v0.1.1 MIT-0 80 файлов тело ≈ 1 854 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Поиск/улучшенный поиск качества ответа: используется при поиске информации, проведении исследований, сравнении, поиске данных, сопоставлении источников…

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: examples/agent_dispatch.py, references/tier-policy.md, references/intent-decomposition.md

ПроцедураИИ и агентыПоддержка клиентовтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
79/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: examples/agent_dispatch.py, references/tier-policy.md, references/intent-decomposition.md
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Секреты в коде secret-high-entropy-token config.json:602
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "model": "para…-v2"
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/embed.py:6
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    模型默认 para…-v2（中文友好，多语语义）；可在 config.embed.model
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/embed.py:21
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    _DEFAULT_MODEL = "para…-v2"
    в кавычках

Просканировано файлов: 39. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/agent_dispatch.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/tier-policy.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/intent-decomposition.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/token-optimization.md
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/conflict_llm.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/*.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/*.py

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: examples/agent_dispatch.py, references/tier-policy.md, references/intent-decomposition.md
  • 0Инструменты и файлы. Не хватает 7 файла(ов): examples/agent_dispatch.py, references/tier-policy.md, references/intent-decomposition.md
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1854 токенов
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
  • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

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
  • +4Нет примеров входа/выхода
  • -327 из 30 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 160 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 3)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: suspicious
This appears to be a real search and research skill, but it includes anti-bot evasion, automatic environment-token use, and local caching behavior that should be reviewed before installation.
LLM: suspicious (high) · 21 авг. 2026 г.