CD workspace-eval
Тонкая обертка для агента над `ralphy workspace eval <project>` (#469): оцените один проект по пользовательской системе оценки (#468 config) вашего WORKSPACE, отобразите оценку по каждому критерию и передайте невыполненные критерии в цикл исправления. Исполнитель записывает `workspace-eval.json` + `workspace-eval-report.md` (только добавление) — детерминированные критерии выполняются в коде, визуальные критерии в ОДНОМ проходе deep-vision с учетом STYLE_LOCK + бенчмарков workspace. `overall.verdict` использует лексику готовности #427 (ship | repair | needs-user-decision | blocked). Сочетается с `/evaluator` (встроенные проверки структуры / аудио / подписей) и `/fixer` (исправление) — этот запускает всеобъемлющую систему оценки workspace, а НЕ общие проверки. ИСПОЛЬЗУЙТЕ, КОГДА пользователь говорит «оценить это по системе оценки workspace», «запустить пользовательский оценщик», «workspace eval», «проверить это по критериям вселенной», «запустить мою систему оценки вселенной на <project>», «проходит ли это порог workspace» или имеет активный workspace с системой оценки `evaluators.json` и хочет получить отдельную оценку (вне четырехэтапного потока `/universe-studio`). ТРИГГЕР (EN): "workspace eval", "run the universe rubric", "score against the workspace rubric", "run the custom evaluator", "check against the universe's criteria", "does it pass the workspace bar". См. тело для ТАКЖЕ ЗАПУСКАТЬСЯ / НЕ ЗАПУСКАТЬСЯ / ЖЕСТКИЕ НЕИЗМЕННЫЕ ПРАВИЛА.
машинный переводПоказать оригиналСкрыть оригинал«Thin agent-facing wrapper over `ralphy workspace eval <project>` (#469…»
Thin agent-facing wrapper over `ralphy workspace eval <project>` (#469): score one project against its WORKSPACE's CUSTOM rubric (#468 config), surface the per-criterion scorecard, and hand failing criteria to the repair loop. The runner writes `workspace-eval.json` + `workspace-eval-report.md` (append-only) — deterministic criteria run in code, vision criteria in ONE deep-vision pass folding in the workspace STYLE_LOCK + benchmarks. The `overall.verdict` uses the #427 readiness vocab (ship | repair | needs-user-decision | blocked). Pairs with `/evaluator` (the built-in structural / audio / caption gates) and `/fixer` (repair) — this one runs the per-workspace universe rubric, NOT the generic gates. USE WHEN the user says "score this against the workspace rubric", "run the custom evaluator", "workspace eval", "check it against the universe's criteria", "run my universe rubric on <project>", "does this pass the workspace's bar", or has an active workspace with an `evaluators.json` rubric and wants a standalone score (outside the four-stage `/universe-studio` flow). TRIGGER (EN): "workspace eval", "run the universe rubric", "score against the workspace rubric", "run the custom evaluator", "check against the universe's criteria", "does it pass the workspace bar". See body for ALSO FIRE / DO NOT FIRE / HARD INVARIANTS.
Тонкая обертка для агента над ralphy workspace eval <project> (469): оцените один проект по пользовательской системе оценки (468 config) вашего WORKSPACE…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Сократите description до 1024 символов.
- 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
- ошибка
description-longdescription 1336 символов, лимит 1024 - заметка
frontmatter-keyнеизвестное поле фронтматтера "namespace"
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 21
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1169 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)
- +3Длина description 1336: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 12 примера фраз-триггеров в кавычках
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.