SKILLEMALL.ai

BF hf-daily-deep-researcher

Система глубоких исследований HuggingFace Daily Papers + arXiv с несколькими агентами. Использует архитектуру оркестратора + специализированных агентов, поддерживает два режима: 1. Режим легкого сканирования: периодическое отслеживание (неделя/месяц), обнаружение новых статей. 2. Режим глубокого исследования: исследование всего временного диапазона, создание всесторонних и глубоких отчетов. Поддерживает динамическую конфигурацию, адаптивные ключевые слова, контроль версий по периодам, адаптацию кроссплатформенных поисковых инструментов.

машинный переводПоказать оригиналСкрыть оригинал«HuggingFace Daily Papers + arXiv 多Agent深度研究系统。 采用编排器+专业Agent架构,支持两种模式:…»

HuggingFace Daily Papers + arXiv 多Agent深度研究系统。 采用编排器+专业Agent架构,支持两种模式: 1. 轻量扫描模式:周期性追踪(周/月),发现新论文 2. 深度调研模式:全时间范围调研,产出全面深入的研究报告 支持动态配置、自适应关键词、周期版本控制、跨平台搜索工具适配。

ClawHub Agent Skills автор: tomFoxxxx v4.1.4 MIT-0 3 файла тело ≈ 4 826 токенов Открыть источникclawhub.ai проанализирован 23 ч назад

Система глубоких исследований HuggingFace Daily Papers + arXiv с несколькими агентами.

Как процесс F 34/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: templates/report_template.md, templates/deep_report_template.md

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: templates/report_template.md, templates/deep_report_template.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
Это копия скилла из другого каталога, в рейтинге считается основная: hf-daily-deep-researcher (ClawHub)

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 · 0

✓ Критических и высоких находок нет

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")
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/report_template.md
  • предупреждение missing-ref ссылка на отсутствующий файл: templates/deep_report_template.md

Процессный рейтинг: все десять параметров 34/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: templates/report_template.md, templates/deep_report_template.md
  • 0Инструменты и файлы. Не хватает 2 файла(ов): templates/report_template.md, templates/deep_report_template.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (hf-daily-deep-researcher) не совпадает с папкой (hf-daily-researcher-min)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Стоимость исполнения. Тело инструкции 4826 токенов
  • 100Шаги. Шагов: 76
  • 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
  • +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 159 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 76 пунктов
  • +4Есть примеры (17 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
This skill is a research-reporting helper with disclosed web search, local report storage, sub-agents, and optional Feishu publishing, but users should treat research interests and reports as potentially sensitive.
LLM: benign (high) · VirusTotal: · 10 июл. 2026 г.