SKILLEMALL.ai
GitHub ↗ EN Войти

BB exec-env-check

Проверяет локальную среду выполнения на наличие GPU, поддержку Docker и доступ к Slurm. Возвращает сценарий выполнения (`satisfied, local, docker`, `satisfied, local, direct`, `satisfied, slurm, local` или `not_satisfied`), количество доступных GPU и тип GPU. В узлах входа Slurm без локальных GPU кластер идентифицируется путем передачи имени хоста в internal-env-info (режим на основе имени хоста), который содержит шаблоны hostname → cluster_name; тип GPU и gpus_per_node затем берутся из справочных файлов этого навыка. Если internal-env-info не установлен, сценарий возвращается к `not_satisfied` без проверки вычислительных узлов через srun.

машинный переводПоказать оригиналСкрыть оригинал«Check the local execution environment for GPU availability, Docker sup…»

Check the local execution environment for GPU availability, Docker support, and Slurm access. Returns the execution scenario (`satisfied, local, docker`, `satisfied, local, direct`, `satisfied, slurm, local`, or `not_satisfied`), the number of available GPUs, and the GPU type. On Slurm login nodes without local GPUs, the cluster is identified by delegating the hostname to internal-env-info (hostname-based mode), which owns the hostname → cluster_name patterns; GPU type and gpus_per_node then come from that skill's reference files. If internal-env-info is not installed, the scenario falls back to `not_satisfied` without probing compute nodes via srun.

Разбор skillemall

Скилл проверяет, где запустится код: на GPU локально, в Docker, через Slurm или вообще не запустится. Возвращает сценарий выполнения, количество GPU и их тип. На Slurm-узлах без локальных GPU полагается на internal-env-info — если того нет, падает в not_satisfied без попыток щупать compute-ноды.

Файл один, линтер молчит, safety 100. Quality 76 и process 70 намекают на недостаток тестов или примеров использования. Критических ошибок нет, но логика зависит от наличия соседнего скилла. Для окружения с Slurm это работает, если internal-env-info уже установлен; в противном случае скилл просто сдаётся.

Ставить, если нужна автоматическая диагностика окружения перед запуском тяжёлых вычислений. Без internal-env-info на Slurm кластере толку мало.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 1 файл тело ≈ 1 329 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Проверяет локальную среду выполнения на наличие GPU, поддержку Docker и доступ к Slurm.

Как процесс B 70/100 · Почти готов — слабые места: когда включается, отчётность по ходу

ПроцедураDockerИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Отчётность по ходу вес 2
0
Когда включается вес 12
20
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • 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-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 70/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 16, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1329 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее

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)
  • +2Инструкции на одном языке
  • +3Длина description 658 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (9 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.