SKILLEMALL.ai
GitHub ↗ EN Войти

BC web-search-plus

Унифицированный навык поиска с интеллектуальной автоматической маршрутизацией. Использует многофакторный анализ для автоматического выбора между Serper (Google), Tavily (Research), Exa (Neural), Perplexity (AI Answers), You.com (RAG/Real-time) и SearXNG (Privacy/Self-hosted) с оценкой уверенности.

машинный переводПоказать оригиналСкрыть оригинал«Unified search skill with Intelligent Auto-Routing. Uses multi-signal…»

Unified search skill with Intelligent Auto-Routing. Uses multi-signal analysis to automatically select between Serper (Google), Tavily (Research), Exa (Neural), Perplexity (AI Answers), You.com (RAG/Real-time), and SearXNG (Privacy/Self-hosted) with confidence scoring.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 10 файлов · 1 скрипт тело ≈ 2 200 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Унифицированный навык поиска с интеллектуальной автоматической маршрутизацией.

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

ИнтеграцияИИ и агентыТексты и документыИнфраструктуратип 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
89/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Утечка данных read-dotenv test-auto-routing.sh:8
    Чтение файла .env (тестовый файл / пример)
    source .env
    тестовый файл
  • низкая Утечка данных read-dotenv test-auto-routing.sh:13
    Чтение файла .env (тестовый файл / пример; в кавычках — упоминание, а не команда)
    echo "Error: SERPER_API_KEY not set. Copy .env.example to .env and add your keys."
    тестовый файлв кавычках

Просканировано файлов: 10. 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")

Процессный рейтинг: все десять параметров 62/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда 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
  • 85Шаги. Шагов: 21, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2200 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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)
  • -261 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 269 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.