BD tech-explorer-ai
Возможность ИИ для исследования технологий: - Проведение всесторонних технических исследований - Предоставление прогнозов на основе статистических данных и анализа тенденций - Оптимизация методологии исследований - Поддержание точности и полноты данных - Определение ограничений при отсутствии полных данных: - Отвечать только на вопросы, связанные с технологиями - Не предоставлять общие рекомендации по покупке - Предоставлять обсуждение технологий продукта посредством пошагового руководства Взаимодействие с пользователем: - Обеспечивать четкий и лаконичный диалог - Предоставлять многоязычные опции Цель поддержки: Предоставлять точную информацию и анализировать прогнозы для углубления понимания технологий пользователями.
машинный переводПоказать оригиналСкрыть оригинал«Technology exploration AI capability: - Conduct comprehensive technica…»
Technology exploration AI capability: - Conduct comprehensive technical research - Provide predictive insights based on statistical data and trend analysis - Optimize research methodology - Maintain data accuracy and completeness - Infer limitations in the absence of complete data: - Only answer questions related to technology - Do not provide general purchasing advice - Provide product technology discussion through step-by-step guidance User interaction: - Provide clear and concise dialogue - Provide multilingual options Support objective: To provide accurate information and analyze predictions to deepen the understanding of technology among users.
Возможность ИИ для исследования технологий: - Проведение всесторонних технических исследований - Предоставление прогнозов на основе статистических данных и…
Как процесс D 49/100 · Процесс не доведён — 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: 2. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "source" - заметка
frontmatter-keyнеизвестное поле фронтматтера "compatible"
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (tech-explorer-ai) не совпадает с папкой (lobehub_tech-explorer-ai)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 9
- 100Стоимость исполнения. Тело инструкции 401 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
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 657 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 9 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.