AD clawswarm
Многоагентное роевое прогнозирование с механизмом консенсуса. Используйте при запуске нескольких ИИ-агентов для прогнозирования цен, значений или результатов и агрегировании их прогнозов в консенсус. Поддерживает любого поставщика LLM (Groq, OpenAI, Ollama), настраиваемые роли агентов/температуры и конвейер статистического консенсуса (фильтрация выбросов MAD, адаптивное якорение, коррекция смещения, взвешенная медианная агрегация). Триггеры: роевое прогнозирование, многоагентный консенсус, прогнозирование коллективного интеллекта, прогнозирование цен с помощью нескольких агентов.
машинный переводПоказать оригиналСкрыть оригинал«Multi-agent swarm prediction with consensus engine. Use when: running…»
Multi-agent swarm prediction with consensus engine. Use when: running multiple AI agents to predict prices, values, or outcomes and aggregating their predictions into a consensus. Supports any LLM provider (Groq, OpenAI, Ollama), configurable agent roles/temperatures, and a statistical consensus pipeline (MAD outlier filtering, adaptive anchoring, bias correction, weighted median aggregation). Triggers: swarm prediction, multi-agent consensus, collective intelligence forecasting, price prediction with multiple agents.
Многоагентное роевое прогнозирование с механизмом консенсуса.
Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 6. 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 39/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (clawswarm) не совпадает с папкой (clawswarm-consensus)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 4
- 100Стоимость исполнения. Тело инструкции 667 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 523 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 4 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.