BC wiki-query
Запрашивайте LLM Wiki — сначала читайте index.md, углубляйтесь в 3-10 релевантных страниц, синтезируйте ответ с цитатами в виде [[wikilink]], и предлагайте сохранить ответ как новую страницу сравнения или синтеза. Использование /wiki-query "<вопрос>"
машинный переводПоказать оригиналСкрыть оригинал«Query the LLM Wiki — reads index.md first, drills into 3-10 relevant p…»
Query the LLM Wiki — reads index.md first, drills into 3-10 relevant pages, synthesizes an answer with inline [[wikilink]] citations, and offers to file the answer back as a new comparison or synthesis page. Usage /wiki-query "<question>"
Скилл обещает поиск по вики с синтезом ответа и встроенными ссылками на источники. В файлах — одна инструкция на 568 токенов, без скриптов и критических ошибок. Оценки: качество 75, процесс 59 — сигнал, что логика работает, но не идеально. На песочнице не проверялся, модели не гонял.
Делает ровно то, что написано: читает index.md, ищет релевантные страницы, собирает ответ с цитатами. Работает на широком спектре платформ — от Claude до DeepSeek. Без блокировок и поломанных ссылок. Ставить, если вам нужен быстрый поиск по документации с указанием источников и вы готовы к тому, что процесс поиска может быть не оптимален.
Запрашивайте LLM Wiki — сначала читайте index.md, углубляйтесь в 3-10 релевантных страниц, синтезируйте ответ с цитатами в виде [[wikilink]], и предлагайте…
Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск
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 59/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 11
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 568 токенов
- 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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 238 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.