BD pasm-companion
Агенты-компаньоны для пожилых людей на основе когнитивного движка PASM. ElderlyCompanion сохраняет ключевые факты (лекарства, аллергии, семья, самочувствие) с весом 5 при первом запуске и извлекает их по метке с 100% точностью — он никогда не забудет, на что у пользователя аллергия. detect_crisis() распознает четыре класса кризисных ситуаций (грудная клетка/сердце, падение/травма, измененное сознание, самоповреждение), а escalate() записывает невытесняемую экстренную память и возвращает контекст эскалации (контакт, предлагаемое действие, снимок) для вашего уведомителя. due_medication() выполняет напоминания о приеме лекарств по времени. Нулевая зависимость от LLM, работает в автономном режиме. НЕ является медицинским устройством. Ключевые слова: pasm, elderly care, companion, medication, crisis escalation, memory, offline.
машинный переводПоказать оригиналСкрыть оригинал«Elderly companion agents built on the PASM cognitive engine. ElderlyCo…»
Elderly companion agents built on the PASM cognitive engine. ElderlyCompanion stores key facts (medication, allergies, family, self) at salience 5 on first start and retrieves them by label at 100% hit rate - it can never forget what the user is allergic to. detect_crisis() recognises four crisis classes (chest/cardiac, fall/trauma, altered consciousness, self-harm) and escalate() writes an unevictable emergency memory and returns the escalation context (contact, suggested action, snapshot) for your notifier. due_medication() does time-based medication prompting. Zero LLM dependency, offline-runnable. NOT a medical device. Keywords: pasm, elderly care, companion, medication, crisis escalation, memory, offline.
Агенты-компаньоны для пожилых людей на основе когнитивного движка PASM.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 46/100
- 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
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 12
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1677 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
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
- +2Инструкции на одном языке
- +3Длина description 719 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 12 пунктов
- +4Есть примеры (9 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.