SKILLEMALL.ai

AC research-assistant

Ассистент для глубоких исследований и синтеза. Используйте, когда вам нужно изучить тему по нескольким источникам, сравнить результаты, подготовить структурированные отчеты об исследованиях или провести многоэтапное веб-исследование с отслеживанием цитат. НЕ для простых разовых запросов (используйте web_search напрямую).

машинный переводПоказать оригиналСкрыть оригинал«Deep research and synthesis assistant. Use when you need to investigat…»

Deep research and synthesis assistant. Use when you need to investigate a topic across multiple sources, compare findings, produce structured research reports, or do multi-step web research with citation tracking. NOT for simple single-query lookups (use web_search directly).

ClawHub Agent Skills автор: terrycarter1985 v1.0.0 MIT-0 4 файла тело ≈ 492 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Ассистент для глубоких исследований и синтеза.

Как процесс C 51/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ГенераторДанные и аналитикаИсследованияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
99/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
98
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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: 4. 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 51/100

    • 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 (research-assistant) не совпадает с папкой (research-assistant-deep)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 9, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 492 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 276 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 9 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 98.

    Внешние проверки

    ClawHub: clean
    This is a coherent research workflow skill that uses disclosed web search and fetch tools, with no evidence of hidden access, persistence, credential handling, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.