SKILLEMALL.ai

AD deep-research

Этот навык следует использовать, когда пользователь запрашивает комплексное исследование, глубокое расследование или подробные отчеты в академическом стиле по любой теме. Фразы-триггеры включают «глубокое исследование», «комплексное расследование», «подробный отчет», «академическое исследование» или запросы на тщательный анализ сложных тем. Навык создает отчеты объемом в тысячи слов в формате markdown с обширными цитатами.

машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when the user requests comprehensive researc…»

This skill should be used when the user requests comprehensive research, deep investigation, or detailed academic-style reports on any topic. Trigger phrases include "deep research", "comprehensive investigation", "detailed report", "academic research", or requests for thorough analysis of complex subjects. The skill produces multi-thousand word reports in markdown format with extensive citations.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 4 файла тело ≈ 4 269 токенов Открыть источникgithub.com проанализирован 2 дн назад

Этот навык следует использовать, когда пользователь запрашивает комплексное исследование, глубокое расследование или подробные отчеты в академическом стиле по…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторДанные и аналитикаИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 49/100

    • 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
    • 40Согласованность. Имя во frontmatter (deep-research) не совпадает с папкой (deep-research-2)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Шаги. Шагов: 130, расплывчатых формулировок: 7
    • 60Ошибки и развилки. Развилок: 2
    • 70Стоимость исполнения. Тело инструкции 4269 токенов
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 4 примера фраз-триггеров в кавычках
    • +3Длина description 400 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 49 заголовков
    • +3Пошаговые инструкции: 130 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.