AC k3-blockchain-agent
Создавайте автоматизированные рабочие процессы анализа блокчейна на K3 — от запросов на естественном языке до развернутых, работающих автоматизаций, которые извлекают данные из блокчейна, анализируют их с помощью ИИ и предоставляют аналитические данные по электронной почте, Telegram или Slack. Используйте этот навык всякий раз, когда пользователь упоминает рабочие процессы блокчейна, аналитику блокчейна, мониторинг DeFi, отслеживание токенов, оповещения о кошельках, анализ пулов, панели протоколов, отслеживание NFT, автоматизированную торговлю, мониторинг смарт-контрактов или хочет автоматизировать что-либо, связанное с данными блокчейна. Также активируется, когда пользователь упоминает K3, конструктор рабочих процессов или хочет получать запланированные отчеты по криптовалютам/DeFi. Даже если они просто говорят «отслеживать этот кошелек» или «отслеживать этот токен» — этот навык применим.
машинный переводПоказать оригиналСкрыть оригинал«Build automated blockchain analysis workflows on K3 — from natural lan…»
Build automated blockchain analysis workflows on K3 — from natural language requests to deployed, running automations that fetch on-chain data, analyze it with AI, and deliver insights via email, Telegram, or Slack. Use this skill whenever the user mentions blockchain workflows, on-chain analytics, DeFi monitoring, token tracking, wallet alerts, pool analysis, protocol dashboards, NFT tracking, automated trading, smart contract monitoring, or wants to automate anything involving blockchain data. Also trigger when the user mentions K3, workflow builder, or wants scheduled crypto/DeFi reports. Even if they just say "monitor this wallet" or "track this token" — this skill applies.
Создавайте автоматизированные рабочие процессы анализа блокчейна на K3 — от запросов на естественном языке до развернутых, работающих автоматизаций, которые…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
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 58/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 16, 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
- 70Ошибки и развилки. Развилок: 6
- 100Шаги. Шагов: 32
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2566 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 2 примера фраз-триггеров в кавычках
- +3Длина description 686 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 32 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.