AC teacher-grading-pipeline
Разработайте или внедрите двуязычный легкий конвейер оценки учителем для школьных экзаменов и домашних заданий. Используйте, когда пользователь обсуждает или просит создать рабочие процессы, включающие сканеры, документ-камеры, мобильные приложения для сканирования, разделительные страницы RFID/QR, предоставленные учителем ключи ответов, API ИИ OCR/vision, проверку двойных поставщиков, локальную детерминированную оценку, архивы памяти учителя/ученика, отчеты Excel/Web/PDF, обратную связь для печати или навыки HermesDesktop/OpenClaw для оценки, маркировки, рецензирования, анализа экзаменов, сбора неправильных вопросов и аналитики успеваемости класса. 设计或实现中小学纸质试卷/作业批改流水线：高拍仪/扫描仪/手机扫描、RFID/二维码分隔页、教师标准答案、大厂 OCR/视觉接口、双接口校验、本地判分、教师与学生记忆库、成绩表、Web 可视化、PDF 打印报告、错题归集和班级学情分析.
машинный переводПоказать оригиналСкрыть оригинал«Design or implement a bilingual lightweight teacher grading pipeline f…»
Design or implement a bilingual lightweight teacher grading pipeline for K12 paper exams and homework. Use when the user discusses or asks to build workflows involving scanners, document cameras, mobile scanning apps, RFID/QR divider pages, teacher-provided answer keys, AI OCR/vision APIs, dual-provider verification, local deterministic scoring, teacher/student memory archives, Excel/Web/PDF reports, printable feedback, or HermesDesktop/OpenClaw skills for grading, marking, reviewing, exam analysis, wrong-question collection, and class learning analytics. 设计或实现中小学纸质试卷/作业批改流水线：高拍仪/扫描仪/手机扫描、RFID/二维码分隔页、教师标准答案、大厂 OCR/视觉接口、双接口校验、本地判分、教师与学生记忆库、成绩表、Web 可视化、PDF 打印报告、错题归集和班级学情分析。
Разработайте или внедрите двуязычный легкий конвейер оценки учителем для школьных экзаменов и домашних заданий.
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
Как улучшить
- 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: 5. 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 60/100
- 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: 4, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (teacher-grading-pipeline) не совпадает с папкой (u-autoclaw-teacher-grading-pipeline)
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 84
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Стоимость исполнения. Тело инструкции 2199 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
- +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 680 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 84 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.