SKILLEMALL.ai
GitHub ↗ EN Войти

CC ai-claim-checker

После любого сгенерированного ИИ объяснения попросите учащегося указать одно место, где оно может быть неверным, одну вещь, которую нужно проверить, и один источник, к которому следует обратиться. Развивает эпистемическую бдительность — относится к выводам ИИ как к утверждениям для оценки, а не как к истине для усвоения.

машинный переводПоказать оригиналСкрыть оригинал«After any AI-generated explanation, require the learner to identify on…»

After any AI-generated explanation, require the learner to identify one place it could be wrong, one thing to check, and one source to consult. Builds epistemic vigilance — treats AI output as a claim to evaluate, not truth to absorb.

GarethManning/education-agent-skills Claude Code автор: GarethManning 1 файл тело ≈ 3 592 токенов Открыть источникgithub.com↗ проанализирован 9 ч назад

После любого сгенерированного ИИ объяснения попросите учащегося указать одно место, где оно может быть неверным, одну вещь, которую нужно проверить, и один…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторИИ и агентытип 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%
69
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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")
  • 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 "domain_number"
  • заметка frontmatter-key неизвестное поле фронтматтера "audience"
  • 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 "evidence_captured"
  • заметка frontmatter-key неизвестное поле фронтматтера "chains_well_with"

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 7
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3592 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 234 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 7 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.