AC long-research
[BETA] Глубокое исследование, которое фактически читает страницы, а не обобщает результаты поиска. Укажите, сколько времени оно должно работать (10 минут, 2 часа, всю ночь), и оно будет работать все это время — выполняя поиск, читая каждый результат, следуя по ссылкам, взламывая форумы, перекрестно проверяя находки и постепенно записывая в файл исследования. Древовидное исследование: каждая прочитанная страница порождает новые поиски, как у человека-исследователя. Принудительное соотношение чтения к поиску предотвращает поверхностный спам из поиска. Обязательство по времени по настенным часам — оно не закончится раньше. Встроенный аудит блокирует выдачу до прохождения проверок качества. Работает с web_search, web_fetch и browser-use для сайтов с интенсивным использованием JS.
машинный переводПоказать оригиналСкрыть оригинал«[BETA] Deep research that actually reads pages instead of summarizing…»
[BETA] Deep research that actually reads pages instead of summarizing search results. Tell it how long to research (10 min, 2 hours, all night) and it works the full duration — searching, reading every result, following leads, cracking forums, cross-verifying findings, and writing progressively to a research file. Tree-style exploration: each page read spawns new searches, like a human researcher. Enforced read-to-search ratio prevents shallow search-spamming. Wall-clock time commitment — it won't finish early. Self-audit gate blocks delivery until quality checks pass. Works with web_search, web_fetch, and browser-use for JS-heavy sites.
[BETA] Глубокое исследование, которое фактически читает страницы, а не обобщает результаты поиска.
Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия, стоимость исполнения, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
- предупреждение
body-longтело SKILL.md ≈ 9527 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies"
Процессный рейтинг: все десять параметров 64/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 9527 токенов: вытесняет саму задачу из окна
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 208
- 100Ошибки и развилки. Развилок: 22, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
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)
- -267 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 645 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 48 заголовков
- +3Пошаговые инструкции: 208 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (15 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.