CC wiki-ingest
Загрузите исходный файл из raw/ в LLM Wiki — прочитайте, обсудите, напишите сводную страницу, обновите перекрестные ссылки на 5-15 страницах, регенерируйте индекс, добавьте в журнал. Использование /wiki-ingest <путь-к-источнику>
машинный переводПоказать оригиналСкрыть оригинал«Ingest a source file from raw/ into the LLM Wiki — read, discuss, writ…»
Ingest a source file from raw/ into the LLM Wiki — read, discuss, write summary page, update cross-references across 5-15 pages, regenerate index, append to log. Usage /wiki-ingest <path-to-source>
Скилл обещает автоматизировать добавление источников в вики: прочитать файл, обсудить содержимое, написать страницу, обновить перекрёстные ссылки на 5–15 страницах, пересоздать индекс, записать лог. На бумаге звучит как полный цикл. На деле — 564 токена кода, ноль скриптов, оценка процесса 55 из 100. Критических ошибок нет, но качество 72 — это не про надёжность, а про компромиссы. Нет данных о запусках на моделях или в песочнице, значит, реальное поведение неизвестно. Платформ поддерживает много, но это просто список.
Ставить, если вики уже работает и нужен помощник для рутины. Не ставить, если рассчитываете на точное обновление перекрёстных ссылок или сложную логику — риск, что половину придётся переделывать руками.
Загрузите исходный файл из raw/ в LLM Wiki — прочитайте, обсудите, напишите сводную страницу, обновите перекрестные ссылки на 5-15 страницах, регенерируйте…
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 55/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 14
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 564 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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 197 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 14 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.