SKILLEMALL.ai
GitHub ↗ EN Войти

BD minicpm5-deploy-llama-cpp

Запускает MiniCPM5-1B или MiniCPM5-2B с помощью llama.cpp, используя выпущенные артефакты GGUF (F16 / Q8_0 / Q4_K_M). Используйте, когда пользователю требуется развертывание только на CPU / потребительской GPU / кроссплатформенное нативное развертывание, он запрашивает "llama.cpp", "llama-cli", "llama-server", "GGUF" или не имеет доступного Python.

машинный переводПоказать оригиналСкрыть оригинал«Run MiniCPM5-1B or MiniCPM5-2B with llama.cpp using the released GGUF…»

Run MiniCPM5-1B or MiniCPM5-2B with llama.cpp using the released GGUF artifacts (F16 / Q8_0 / Q4_K_M). Use when the user wants CPU-only / consumer-GPU / cross-platform native deployment, asks for "llama.cpp", "llama-cli", "llama-server", "GGUF", or has no Python available.

OpenBMB/MiniCPM Agent Skills автор: OpenBMB Apache-2.0 1 файл тело ≈ 894 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Запускает MiniCPM5-1B или MiniCPM5-2B с помощью llama.cpp, используя выпущенные артефакты GGUF (F16 / Q80 / Q4KM). Используйте, когда пользователю требуется…

Как процесс D 46/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: ../../docs/deployment/llama_cpp.md

ИнтеграцияИнфраструктуратип 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
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: ../../docs/deployment/llama_cpp.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. 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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: ../../docs/deployment/llama_cpp.md

Процессный рейтинг: все десять параметров 46/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../../docs/deployment/llama_cpp.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): ../../docs/deployment/llama_cpp.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 5
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 894 токенов

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 273 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 5 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.