SKILLEMALL.ai
GitHub ↗ EN Войти

AD auto-researcher

AI-помощник по исследованиям — автоматическое кроссплатформенное исследование любой темы и генерация структурированных отчетов. Поддерживаемые платформы: X/Twitter, Reddit, YouTube, GitHub, Hacker News, Product Hunt, новостные сайты. Триггеры: "исследовать", "провести исследование", "анализировать", "собрать информацию", "auto research", "research this". Автоматический вывод: рыночные тенденции, анализ конкурентов, технические исследования, сводка отзывов пользователей.

машинный переводПоказать оригиналСкрыть оригинал«AI 研究助手 - 自动跨平台研究任何主题并生成结构化报告。 支持平台：X/Twitter、Reddit、YouTube、GitHub、Ha…»

AI 研究助手 - 自动跨平台研究任何主题并生成结构化报告。 支持平台：X/Twitter、Reddit、YouTube、GitHub、Hacker News、Product Hunt、新闻网站。 触发词："研究"、"调研"、"分析"、"收集信息"、"auto research"、"research this"。 自动输出：市场趋势、竞争分析、技术调研、用户反馈汇总。

ClawHub Agent Skills автор: yofoan v1.0.0 MIT-0 5 файлов · 2 скрипта тело ≈ 1 963 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

AI-помощник по исследованиям — автоматическое кроссплатформенное исследование любой темы и генерация структурированных отчетов.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubYouTubeИнфраструктураМедиа и видеотип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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 "copyright"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (auto-researcher) не совпадает с папкой (multi-platform-parallel-research)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Стоимость исполнения. Тело инструкции 1963 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -33 из 3 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 185 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (12 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: suspicious
This research skill does what it claims, but its included scripts can run unintended local code from a crafted topic and send research queries to several outside services.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.