AC agent-harness
Используйте, когда агент должен довести цель в одной из областей этого репозитория до подтвержденного завершения перед началом работы. Компилирует цель в план задач с помощью goal_compiler.py и запускает его через loop_controller.py, который проверяет каждую задачу, ограничивает количество повторов и эскалирует.
машинный переводПоказать оригиналСкрыть оригинал«Use when an agent should drive a goal in one of this repo's domains to…»
Use when an agent should drive a goal in one of this repo's domains to a verified close, before starting the work. Compiles the goal into a task plan with goal_compiler.py and runs it through loop_controller.py, which verifies each task, caps retries and escalates.
Скилл компилирует цель в план задач через goal_compiler.py и прогоняет через loop_controller.py с проверкой каждого шага, лимитом попыток и эскалацией. Обещает довести агента до верифицированного результата в одном из доменов репозитория.
В файлах 28 единиц, 3 скрипта, никаких критических находок. Качество кода 91 балл, процесс 54 — разрыв намекает на расхождение между архитектурой и реальным выполнением. Безопасность на сотню. На моделях не тестировался, в песочнице не запускался. Поддерживает 12 платформ от OpenClaw до DeepSeek.
Ставить стоит, если нужна автоматизация целей с контролем на каждом шаге. Без прогонов на реальных моделях непонятно, как loop_controller держит баланс между гибкостью и надёжностью.
Компилирует цель в план задач с помощью goalcompiler.py и запускает его через loopcontroller.py, который проверяет каждую задачу, ограничивает количество…
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 28. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 18
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1785 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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 265 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 18 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 3 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.