BD pasm-longterm-verify
Долгосрочные агенты проверки для когнитивного движка PASM. Отвечают на вопрос «все ли еще в порядке после длительной работы?» повторяемыми проверками только со стандартной библиотекой: сохранение памяти и вытеснение с учетом важности, дрейф эмоций, коллапс энтропии поведения, насыщение личности, кривая забывания, деградация после 6000 шагов и соответствие между репозиториями. Сценарии управляют реальным движком в изолированном подпроцессе и выдают результаты, которые можно архивировать в JSON и сравнивать с эталоном.
машинный переводПоказать оригиналСкрыть оригинал«Long-term verification agents for the PASM cognitive engine. Answers "…»
Long-term verification agents for the PASM cognitive engine. Answers "is it still healthy after long runs?" with repeatable, stdlib-only checks: memory retention and salience-aware eviction, emotion drift, behavioural entropy collapse, persona saturation, forgetting curve, 6000-step soak degradation, and cross-repo parity. Scenarios drive the real engine in an isolated subprocess and emit JSON-archivable, baseline-diffable findings.
Долгосрочные агенты проверки для 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 (git, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 8
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2157 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 11. 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 436 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (12 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.