CC fixer
Цикл оценки и исправления — потребитель отчета оценщика (#409). Читает вывод оценки (сначала `what_to_redo` из eval-deep-vision.json, иначе `findings[]` из eval.json), запускает `ralphy project repair-plan <id>` для классификации каждой находки по владельцу (арт-директор / сценарист / редактор) и упорядочивает ее по степени важности, представляет упорядоченный план, сгруппированный по владельцам, получает одобрение пользователя, затем применяет целевые исправления с помощью СУЩЕСТВУЮЩИХ глаголов `ralphy` (арт-директор regen / сценарист rewrite / редактор recut), повторно рендерит, повторно оценивает и сравнивает старый и новый вердикт. ЖЕСТКИЙ КОНТРОЛЬ: регенерация платной модели не выполняется до тех пор, пока пользователь не одобрит план (или ранее не согласился на пакетное исправление). Детерминированный шаг `repair-plan` сам по себе НЕ совершает никаких вызовов модели и может безопасно запускаться без запроса. ИСПОЛЬЗУЙТЕ, КОГДА пользователь говорит «исправить оценку», «исправить этот рендер», «сделать его готовым к выпуску», «исправить проблемы / недочеты / находки», «разобраться с оценкой», «теперь исправь это», «внести исправления» или передает неудачную / предупреждающую оценку и спрашивает, что дальше. ТАКЖЕ ЗАПУСКАТЬСЯ сразу после того, как оценщик вернул вердикт `warn` / `fail`, и пользователь хочет предпринять действия. ТРИГГЕР (EN): "fix the eval", "repair the video", "make it shippable", "fix the findings", "apply the fixes", "address the eval issues", "fix what's wrong", "repair plan", "now fix it". См. тело для ТАКЖЕ ЗАПУСКАТЬСЯ / НЕ ЗАПУСКАТЬСЯ / ЖЕСТКИЕ НЕИЗМЕННЫЕ ПРАВИЛА.
машинный переводПоказать оригиналСкрыть оригинал«The eval-to-repair loop — the consumer of the evaluator's report (#409…»
The eval-to-repair loop — the consumer of the evaluator's report (#409). Reads the eval output (eval-deep-vision.json's `what_to_redo` first, else eval.json `findings[]`), runs `ralphy project repair-plan <id>` to classify every finding by owner (art-director / scenarist / editor) and order it by severity, presents the ordered plan grouped by owner, gets the user's approval, then applies targeted fixes through the EXISTING `ralphy` verbs (art-director regen / scenarist rewrite / editor recut), re-renders, re-evals, and compares the old vs new verdict. HARD GATE: no paid model regeneration runs until the user approves the plan (or previously opted into batch repair). The deterministic `repair-plan` step itself makes ZERO model calls and is safe to run unprompted. USE WHEN the user says "fix the eval", "repair this render", "make it shippable", "fix the issues / problems / findings", "address the eval", "now fix it", "make the fixes", or hands off a failed / warn eval and asks what's next. ALSO FIRE right after the evaluator returns a `warn` / `fail` verdict and the user wants action. TRIGGER (EN): "fix the eval", "repair the video", "make it shippable", "fix the findings", "apply the fixes", "address the eval issues", "fix what's wrong", "repair plan", "now fix it". See body for ALSO FIRE / DO NOT FIRE / HARD INVARIANTS.
Цикл оценки и исправления — потребитель отчета оценщика (409).
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Такой же скилл встречается ещё в 1 месте: ralphy
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 1341 символов, лимит 1024 - заметка
frontmatter-keyнеизвестное поле фронтматтера "namespace"
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 25
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1858 токенов
- low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
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 1341: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 16 примера фраз-триггеров в кавычках
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 25 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.