agentleFS
dewildewil/claude-toolkit/skills/web-research/SKILL.md

web-research

Skill9 starsChanged 3 months agoMITView on GitHub

Дисциплинированный веб-поиск с проверкой источников: fan-out запросов, чтение целиком, сверка фактов. Брать для \"поищи в интернете\", \"что сейчас с X\". Для факта по URL избыточен - хватит WebSearch.

45 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use data-analysis, meeting-notes and 10 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • shanggqmSkill

    data-analysis

    数据分析技能,提供结构化的数据查询、统计分析和报告生成工作流。当用户需要查询数据库、进行数据统计分析、生成分析报告时使用。按规范输出原始数据、计算结果、Markdown报告和HTML可视化报告。

    Also in 5 projects that use this

  • claude-office-skillsSkill

    meeting-notes

    >

    Also in 4 projects that use this

  • MicrosoftSkill

    web-search

    Also in 5 projects that use this

  • kongyo2Skill

    prompt-engineering

    Comprehensive prompt engineering framework for designing, optimizing, and iterating LLM prompts. This skill should be used when users request prompt creation, optimization, or improvement for any LLM task, or when users need help translating vague requirements into effective prompts through collaborative dialogue and iterative refinement.

    Also in 4 projects that use this

  • rogue-dev-studioSkill

    browser-automation

    Canonical browser automation and web UI verification: Playwright, agent browser CLIs, and CDP-based tooling in one playbook.

    Also in 3 projects that use this

  • JetBrainsSkill

    brand-guidelines

    Applies Anthropic's official brand colors and typography to any sort of artifact that may benefit from having Anthropic's look-and-feel. Use it when brand colors or style guidelines, visual formatting, or company design standards apply.

    Also in 4 projects that use this

The file

Files
SKILL.md

web-research

Скилл задает дисциплину поиска в интернете. Дефолтное поведение модели - дернуть WebSearch один раз, прочитать сниппеты и ответить - дает поверхностный и часто устаревший/галлюцинированный результат. Здесь поиск превращается в проверяемый процесс: несколько переформулированных запросов, чтение страниц целиком, перекрестная сверка фактов между источниками, явная пометка неуверенного и устаревшего, обязательные цитаты.

Ценность не в количестве ссылок, а в том, что каждое утверждение в ответе привязано к источнику и пережило попытку его опровергнуть.

Когда применять

  • Нужен фактический ответ из веба, который мог измениться после обучения модели: версии, цены, релизы, статус проекта, события, "что сейчас с X".
  • Сравнение вариантов (инструменты, библиотеки, подходы) с опорой на актуальные данные.
  • Проверка конкретного утверждения ("правда ли, что Y") - найти подтверждающие и опровергающие источники.
  • Открытый research по теме, где нужен синтез из нескольких источников.

Когда НЕ применять

  • Один быстрый факт с известным URL или из одной страницы - прямой WebFetch/WebSearch без обвязки.
  • Вопрос уверенно отвечается из знаний модели и свежесть не важна (определения, устоявшаяся теория, синтаксис языка) - не ходить в веб ради проформы.
  • Запрос про код/файлы текущего репозитория - это searcher/explorer, не веб.

Жесткие правила

  1. Минимум два независимых источника на ключевое утверждение. Один источник = гипотеза, не факт. Если второго нет - так и пометить ("по единственному источнику").
  2. Читать страницы, а не сниппеты. По релевантным результатам поиска делать WebFetch и опираться на полный текст. Сниппет выдачи - повод открыть страницу, а не готовый факт.
  3. Каждый факт - с источником. В заметке у утверждения стоит ссылка (URL) и дата доступа. Без источника утверждение в ответ не идет.
  4. Свежесть явно. Для меняющихся данных (цены, версии, статусы) указывать дату публикации источника и помечать риск устаревания. Сегодняшнюю дату брать из контекста сессии.
  5. Противоречия не сглаживать. Если источники расходятся - показать расхождение и какой источник почему весомее (первоисточник > агрегатор > форум), а не выбирать удобный молча.
  6. Не выдавать знания модели за результат поиска. Если факт не подтвержден найденной страницей - он либо помечен как догадка, либо не включается.

Процесс

  1. Декомпозиция. Разбить вопрос на 2-5 под-вопросов / поисковых линий. Для каждого - сформулировать несколько вариантов запроса (синонимы, разные формулировки, англ. + рус.).
  2. Fan-out поиска. Под-вопросы раздать субагентам в одном ответе (параллельно). Тип - Explore или general-purpose на дешевой модели (механический сбор, не суждение). Бриф каждому: под-вопрос, требование делать WebSearch несколькими формулировками + WebFetch релевантных страниц, вернуть только факты с URL и датой публикации/доступа, без воды. См. subagents-usage.
  3. Сбор и дедуп. Свести находки, убрать дубли, сгруппировать по под-вопросам. Отметить, где источник один, где несколько, где расхождение.
  4. Состязательная верификация ключевых утверждений. Для каждого утверждения, на котором держится ответ, - отдельный проход (можно субагентом), который пытается его опровергнуть: ищет противоречащий источник, более свежие данные, первоисточник вместо пересказа. Утверждение, не пережившее проверку, - вниз в "неуверенно" или вон.
  5. Синтез. Собрать ответ/заметку: вывод сверху, под ним факты с цитатами, отдельным блоком - неуверенное/противоречивое/устаревшее. Для wiki-проектов оформлять по wiki-notes-style (заметка с источниками и перелинковкой).

Формат ответа

  • Вывод - 2-5 строк прямого ответа на исходный вопрос.
  • Обоснование - тезисы, у каждого инлайн-ссылка на источник. Меняющиеся данные - с датой.
  • Неуверенно / противоречиво - отдельный блок: что не подтвердилось двумя источниками, где источники разошлись, что может устареть.
  • Источники - список URL с краткой пометкой (первоисточник / агрегатор / дата).

Глубину масштабировать под запрос: быстрая проверка факта - 1-2 под-вопроса без отдельной фазы верификации; "разберись детально" / "сравни все" - полный fan-out + состязательный проход + блок противоречий.

Ограничения

  • Веб-данные бывают платными/за paywall, региональными, A/B - WebFetch может вернуть не то, что видит человек. Если ключевая страница недоступна - пометить, не домысливать.
  • Состязательная верификация снижает, но не убирает риск ошибки: согласованность двух агрегаторов, переписавших один пресс-релиз, - не независимое подтверждение. Где можно - доходить до первоисточника.
  • Скилл не заменяет review / второе мнение по коду - он про факты из веба, не про корректность решения.

Модель и текущие назначения

Перед новым заданием и запуском применяй маршрутизацию моделей: свежий MODELS выше канонического дефолта. Границы данных и полномочий этого навыка сохраняются.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.