BD prompt-optimization
Применяет повторение промпта для повышения точности LLM, не требующих рассуждений. Используйте, когда Haiku или другой агент, не требующий рассуждений, упускает детали в длинном промпте.
машинный переводПоказать оригиналСкрыть оригинал«Applies prompt repetition to improve accuracy for non-reasoning LLMs.…»
Applies prompt repetition to improve accuracy for non-reasoning LLMs. Use when a Haiku or other non-reasoning agent misses details in a long prompt.
Скилл обещает повторять промпты, чтобы слабые модели вроде Haiku не теряли детали в длинных инструкциях. В файлах — 543 токена кода без скриптов и с одной папкой. Проверки показали: оценка B, quality score 75 из 100, но process score только 41 и есть проблема с битыми ссылками. На моделях не тестировался. Идея банальная — повторение действительно помогает слабым моделям, но скилл не показывает, насколько именно и при каких условиях это работает. Поддерживает кучу платформ, что выглядит оптимистично.
Ставить стоит, если вы часто скармливаете Haiku огромные промпты и готовы мириться с увеличением токенов. Если модель и так справляется — экономить не будет.
Применяет повторение промпта для повышения точности LLM, не требующих рассуждений.
Как процесс D 41/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: references/prompt-repetition.md
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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-refссылка на отсутствующий файл: references/prompt-repetition.md - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_types" - заметка
frontmatter-keyнеизвестное поле фронтматтера "research_source" - заметка
frontmatter-keyнеизвестное поле фронтматтера "activation"
Процессный рейтинг: все десять параметров 41/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/prompt-repetition.md
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 100Шаги. Шагов: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 543 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 148 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.