SKILLEMALL.ai
GitHub ↗ EN Войти

AC api-ai-augmented

Разрабатывает функции API на основе ИИ, определения инструментов/функций LLM, схемы инструментов сервера MCP, преобразование естественного языка в API и рабочие процессы агентских API. Используйте, когда пользователь спрашивает о «ИИ вызывает мой API», «схема вызова функции», «определение инструмента для LLM», «инструменты MCP», «API на естественном языке», «ИИ-агент», «позволить Claude использовать мой API», «вызов функции OpenAI», «использование инструментов Anthropic», «рабочий процесс агентского API» или «преобразование намерения пользователя в вызовы API». Срабатывает при: «схема инструмента», «спецификация функции», «агентский API», «плагин LLM», «интеграция ИИ», «RAG с моим API» или «чат-бот, который вызывает мой API».

машинный переводПоказать оригиналСкрыть оригинал«Designs AI-powered API features, LLM tool/function definitions, MCP se…»

Designs AI-powered API features, LLM tool/function definitions, MCP server tool schemas, natural language to API conversion, and agentic API workflows. Use whenever the user asks about "AI calling my API", "function calling schema", "tool definition for LLM", "MCP tools", "natural language API", "AI agent", "let Claude use my API", "OpenAI function calling", "Anthropic tool use", "API agent workflow", or "convert user intent to API calls". Triggers on: "tool schema", "function spec", "agentic API", "LLM plugin", "AI integration", "RAG with my API", or "chatbot that calls my API".

LambdaTest/agent-skills Agent Skills автор: LambdaTest 1 файл тело ≈ 1 148 токенов Открыть источникgithub.com↗ проанализирован 31 ч назад

Разрабатывает функции API на основе ИИ, определения инструментов/функций LLM, схемы инструментов сервера MCP, преобразование естественного языка в API и…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ИнтеграцияИИ 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    • заметка frontmatter-key неизвестное поле фронтматтера "languages"

    Процессный рейтинг: все десять параметров 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (api-ai-augmented) не совпадает с папкой (ai-based-api)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 6, расплывчатых формулировок: 1
    • 100Стоимость исполнения. Тело инструкции 1148 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +5В description 18 примера фраз-триггеров в кавычках
    • +3Длина description 586 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 6 пунктов
    • +4Есть примеры (5 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.