SKILLEMALL.ai

AC earth2studio-create-diagnostic

Создавайте обертки диагностических моделей Earth2Studio для одношаговых преобразований данных, включая простые производные диагностические данные, упакованные диагностические данные AutoModel и генеративные или диффузионные диагностические данные. НЕ используйте для прогностических моделей с временными шагами, источников данных или установки. Пользователь может опционально предоставить URL или локальный путь к справочным материалам, таким как скрипт инференса, репозиторий, статья или документация по модели.

машинный переводПоказать оригиналСкрыть оригинал«Create Earth2Studio diagnostic model wrappers for single-step data tra…»

Create Earth2Studio diagnostic model wrappers for single-step data transformations, including simple derived diagnostics, packaged AutoModel diagnostics, and generative or diffusion diagnostics. Do NOT use for prognostic time-stepping models, data sources, or installation. The user may optionally supply a URL or local path to reference material, such as an inference script, repository, paper, or model documentation.

NVIDIA/earth2studio Agent Skills автор: NVIDIA 19 файлов · 10 скриптов тело ≈ 3 572 токенов Открыть источникgithub.com↗ проанализирован 3 дн назад

Создавайте обертки диагностических моделей Earth2Studio для одношаговых преобразований данных, включая простые производные диагностические данные, упакованные…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

АнализаторТексты и документыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 14, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 69
    • 100Входы и предусловия. Входные данные и предусловия перечислены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3572 токенов
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • low Ответ описан самодельной разметкой (10 тегов): типизированный вызов надёжнее
    • medium Тестов 3, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»

    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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 419 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 69 пунктов
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.