SKILLEMALL.ai
GitHub ↗ EN Войти

CD trtllm-test-specialist

Выполняет модульные и модельные тесты для TensorRT-LLM. Сначала классифицирует область тестирования (модульный тест или тест модели), затем направляет в соответствующий рабочий процесс. Тесты моделей далее классифицируются по типу (функциональный/smoke-тест, бенчмарк или оценка). Запрашивает у пользователя параметры параллелизма (tp, ep, dp), пути к наборам данных, тип устройства или конфигурационный файл по мере необходимости. Все выполнение тестов делегируется trtllm-case-executor.

машинный переводПоказать оригиналСкрыть оригинал«Runs model-level and module-level tests for TensorRT-LLM. First classi…»

Runs model-level and module-level tests for TensorRT-LLM. First classifies the test scope (module test or model test), then dispatches to the appropriate workflow. Model tests are further classified by type (functionality/smoke test, benchmark, or evaluation). Prompts the user for parallelism parameters (tp, ep, dp), dataset paths, device type, or a config file as needed. All test execution is delegated to trtllm-case-executor.

Разбор skillemall

Скилл запускает тесты для TensorRT-LLM: сортирует их по типам (модульные или модельные), затем отправляет в нужный воркфлоу. Просит параметры параллелизма, пути к датасетам, тип устройства или конфиг. Само выполнение делегирует другому инструменту.

Файлы на месте, но без прогонов на моделях и в песочнице. Оценка качества 60 — половина. Ссылки в коде ломаны или файлы потеряны. Критических ошибок нет, но среднего уровня находок не видно в отчёте, хотя процесс-скор 46 намекает на проблемы. Если вы тестируете TensorRT-LLM локально и готовы самостоятельно проверить, работает ли диспетчер — ставьте. Если ждёте готового решения — не стоит.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 12 файлов · 5 скриптов тело ≈ 8 989 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Выполняет модульные и модельные тесты для TensorRT-LLM.

Как процесс D 46/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: examples/disaggregated/slurm/benchmark/config.yaml

ПроцедураДанные и аналитикатип 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
C
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: examples/disaggregated/slurm/benchmark/config.yaml
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
20
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 12. 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")
  • предупреждение body-long тело SKILL.md ≈ 8989 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/disaggregated/slurm/benchmark/config.yaml

Процессный рейтинг: все десять параметров 46/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: examples/disaggregated/slurm/benchmark/config.yaml
  • 0Инструменты и файлы. Не хватает 1 файла(ов): examples/disaggregated/slurm/benchmark/config.yaml
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 8989 токенов: вытесняет саму задачу из окна
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 75, расплывчатых формулировок: 3
  • 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (20 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +2Инструкции на одном языке
  • +3Длина description 431 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 41 заголовков
  • +3Пошаговые инструкции: 75 пунктов
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 5 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.