web-research

# 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 второ...