CD azure-databricks
Экспертные знания для разработки Azure Databricks, включая устранение неполадок, лучшие практики, принятие решений, архитектуру и шаблоны проектирования, лимиты и квоты, безопасность, конфигурацию, интеграции и шаблоны кодирования, а также развертывание. Используйте при работе с Unity Catalog, Delta Lake/Lakehouse, конвейерами Lakeflow, обслуживанием ML/LLM или внешними коннекторами, а также другими задачами разработки, связанными с Azure Databricks. Не для Azure Synapse Analytics (используйте azure-synapse-analytics), Azure HDInsight (используйте azure-hdinsight), Azure Machine Learning (используйте azure-machine-learning), Azure Data Factory (используйте azure-data-factory).
машинный переводПоказать оригиналСкрыть оригинал«Expert knowledge for Azure Databricks development including troublesho…»
Expert knowledge for Azure Databricks development including troubleshooting, best practices, decision making, architecture & design patterns, limits & quotas, security, configuration, integrations & coding patterns, and deployment. Use when working with Unity Catalog, Delta Lake/Lakehouse, Lakeflow pipelines, ML/LLM serving, or external connectors, and other Azure Databricks related development tasks. Not for Azure Synapse Analytics (use azure-synapse-analytics), Azure HDInsight (use azure-hdinsight), Azure Machine Learning (use azure-machine-learning), Azure Data Factory (use azure-data-factory).
Экспертные знания для разработки Azure Databricks, включая устранение неполадок, лучшие практики, принятие решений, архитектуру и шаблоны проектирования…
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, стоимость исполнения
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 13682 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
edit-residueв тексте есть пометки об устаревшем (строки 194, 195, 221, 262, 322, 344): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия
Процессный рейтинг: все десять параметров 43/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 19, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 13682 токенов: вытесняет саму задачу из окна
- 50Шаги. Шагов: 2
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web, python, node), но во frontmatter они не объявлены
- 100Согласованность. Имя и обязательные поля на месте
- 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
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 604 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 5 заголовков
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.