SKILLEMALL.ai
GitHub ↗ EN Войти

BC research-logger

Исследуйте тему через веб-поиск, автоматически подберите соответствующий GIF и записывайте структурированные заметки в Bear с использованием настраиваемого шаблона.

машинный переводПоказать оригиналСкрыть оригинал«Research a topic via web search, auto-match a related GIF, and log str…»

Research a topic via web search, auto-match a related GIF, and log structured notes to Bear using a customizable template.

ClawHub Agent Skills автор: terrycarter1985 v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 339 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Исследуйте тему через веб-поиск, автоматически подберите соответствующий GIF и записывайте структурированные заметки в Bear с использованием настраиваемого…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ШаблонИнфраструктуратип 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
87/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Утечка данных exfil-secret-in-url research_logger.sh:105
    Учётные данные в строке запроса URL (для части API это норма — проверьте, что хост нужный) (значение-заглушка)
    "https://api.giphy.com/v1/gifs/search?api_key=…&q=…"$TOPIC" python3 -c "import os,urllib.parse;print(urllib.parse.quote(os.environ['TOPIC']))")&limit=1&rating=g" \
    заглушка

Просканировано файлов: 3. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "capabilities"
  • заметка frontmatter-key неизвестное поле фронтматтера "requires_bins"
  • заметка frontmatter-key неизвестное поле фронтматтера "requires_env"

Процессный рейтинг: все десять параметров 52/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (research-logger) не совпадает с папкой (research-logger-v2)
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 16
  • 100Стоимость исполнения. Тело инструкции 339 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 122 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill appears to do what it says: research a topic, optionally find a GIF, and save the result as a local or Bear note.
LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.