SKILLEMALL.ai
GitHub ↗ EN Войти

BC openclaw-search-pro

Инструмент улучшения поиска OpenClaw — агрегация поиска по нескольким движкам для получения самой свежей информации. Поддерживает бесплатные поисковые системы (Bing/Sogou/360) + необязательные API (Tavily/Baidu/Google). Извлечение контента, дедупликация результатов, интеллектуальная сортировка. Проверка безопасного доступа к внутренней сети. Ключевые слова: openclaw, search, web, research, productivity, multi-engine, tavily

машинный переводПоказать оригиналСкрыть оригинал«OpenClaw 搜索增强工具 - 多引擎聚合搜索，获取最新信息。 支持免费搜索引擎（必应/搜狗/360）+ 可选 API（Tavily/百…»

OpenClaw 搜索增强工具 - 多引擎聚合搜索，获取最新信息。 支持免费搜索引擎（必应/搜狗/360）+ 可选 API（Tavily/百度/Google）。 内容提取、结果去重、智能排序。安全内网访问检查。 关键词：openclaw, search, web, research, productivity, multi-engine, tavily

ClawHub Agent Skills автор: williamwg2025 v0.1.6 MIT-0 80 файлов тело ≈ 485 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Инструмент улучшения поиска OpenClaw — агрегация поиска по нескольким движкам для получения самой свежей информации.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияРазработкатип 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
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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.
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: 5. 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 "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "acceptLicenseTerms"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 485 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
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -224 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 177 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (4 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: suspicious
This appears to be a real web-search skill, but it needs review because some documentation falsely says it makes no network calls while the code sends queries and fetches URLs externally.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.