SKILLEMALL.ai
GitHub ↗ EN Войти

CD lmstudio-api

Справочник по HTTP-API LM Studio (сервер локальных моделей, обычно порт 1234). Используй когда надо программно управлять моделями на LM Studio - узнать что загружено, загрузить или выгрузить модель, задать длину контекста и параллельность, отключить размышления модели, - а также при диагностике: модель thinking/reasoning не отключается, enable_thinking игнорируется, ответ приходит пустым а весь бюджет уходит в reasoning_content, запросы падают с HTTP 500 на холодном старте или при загрузке крупной модели, ошибка Context size has been exceeded, Model is unloaded, эндпоинт отвечает 404 или 200 с телом Unexpected endpoint, неверно определяется длина контекста. Содержит проверенные схемы эндпоинтов v1, параметр reasoning, особенности протокола и замеры на 30-35B.

Desko77/claude-code-skills-1c Agent Skills автор: Desko77 MIT 1 файл тело ≈ 4 687 токенов Открыть источникgithub.com↗ проанализирован 7 дн назад

Справочник по HTTP-API LM Studio (сервер локальных моделей, обычно порт 1234).

Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

ИнтеграцияФинансытип и темы размечены автоматически по тексту скилла
Запускается в: 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) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Шаги вес 15
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. 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 41/100

  • 0Шаги. Инструкция сплошным текстом, шаги не выделены
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 70Стоимость исполнения. Тело инструкции 4687 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 10. 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)
  • +3Нет пошаговых инструкций или чек-листа
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +3Длина description 769 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +4Есть примеры (10 блоков кода)
  • +2Инструкции двуязычные (RU + EN)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.