SKILLEMALL.ai
GitHub ↗ EN Войти

CC individual-spacing-algorithm-explainer

Объясняет и настраивает отдельные алгоритмы интервального повторения, используя данные об успеваемости студентов и кривые забывания. Используйте при персонализации расписаний удержания информации на платформах адаптивного обучения.

машинный переводПоказать оригиналСкрыть оригинал«Explain and configure individual spacing algorithms using student perf…»

Explain and configure individual spacing algorithms using student performance data and forgetting curves. Use when personalising retention schedules in adaptive learning platforms.

GarethManning/education-agent-skills Claude Code автор: GarethManning 2 файла тело ≈ 5 249 токенов Открыть источникgithub.com↗ проанализирован 9 ч назад

Объясняет и настраивает отдельные алгоритмы интервального повторения, используя данные об успеваемости студентов и кривые забывания.

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

АнализаторИИ и агентыТексты и документыИсследованиятип 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
C
64/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5249 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "effort"
  • заметка frontmatter-key неизвестное поле фронтматтера "skill_id"
  • заметка frontmatter-key неизвестное поле фронтматтера "skill_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "domain"
  • заметка frontmatter-key неизвестное поле фронтматтера "evidence_strength"
  • заметка frontmatter-key неизвестное поле фронтматтера "evidence_sources"
  • заметка frontmatter-key неизвестное поле фронтматтера "input_schema"
  • заметка frontmatter-key неизвестное поле фронтматтера "output_schema"
  • заметка frontmatter-key неизвестное поле фронтматтера "chains_well_with"
  • заметка frontmatter-key неизвестное поле фронтматтера "teacher_time"

Процессный рейтинг: все десять параметров 64/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Ошибки и развилки. Развилок: 6
  • 70Стоимость исполнения. Тело инструкции 5249 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 180 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (1 блоков кода)

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