AF competitive-intelligence-deep-research
Запускает многоисточниковый, агентный цикл глубокого исследования одного конкурента и создает основанный на доказательствах нарративный отчет с цитатами. Структурирует запросы по SEC EDGAR, собственному сайту компании, пресс-релизам, Wikipedia REST, Crossref и сигналам общественной репутации (G2 / TrustPilot / ветки Reddit), дедуплицирует, фильтрует фрагменты по релевантности, извлекает датированные факты и синтезирует dossier.md с журналом аудита. Запускается, когда пользователь запрашивает "конкурентную разведку по", "глубокое погружение в", "досье конкурента", "создать профиль" или "исследовать конкурентов".
машинный переводПоказать оригиналСкрыть оригинал«Run a multi-source, agentic deep-research loop on a single competitor…»
Run a multi-source, agentic deep-research loop on a single competitor and produce an evidence-backed narrative dossier with citations. Scaffolds queries across SEC EDGAR, the company's own site, press releases, Wikipedia REST, Crossref, and public reputation signal (G2 / TrustPilot / Reddit threads), dedupes, screens snippets for relevance, extracts dated facts, and synthesizes dossier.md with an audit log. Trigger when the user asks for "competitive intelligence on", "deep dive on", "competitor dossier", "build a profile on", or "research the competition".
Запускает многоисточниковый, агентный цикл глубокого исследования одного конкурента и создает основанный на доказательствах нарративный отчет с цитатами.
Как процесс F 65/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/search_sources.py, scripts/format_dossier.py
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: scripts/search_sources.py - предупреждение
missing-refссылка на отсутствующий файл: scripts/format_dossier.py
Процессный рейтинг: все десять параметров 65/100
- 0Инструменты и файлы. Не хватает 2 файла(ов): scripts/search_sources.py, scripts/format_dossier.py
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 45
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2303 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 5 примера фраз-триггеров в кавычках
- +3Длина description 563 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 45 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.