BD research-assistant
Помощник в полном цикле научных исследований с помощью ИИ. Охватывает 12 основных модулей: поиск литературы → чтение литературы → обзор литературы → выбор темы исследования → дизайн исследования → анализ данных → написание статьи → редактирование и корректура → управление цитированием → выбор журнала для публикации → подача заявки на грант → академическая презентация. Введите направление исследования/проблему/статью/данные для автоматической генерации интерактивного HTML-отчета с визуализацией. Предназначен для аспирантов, преподавателей вузов, научных сотрудников, решая узкие места эффективности полного цикла от идеи до публикации. Триггерные слова: научный помощник, академический ассистент, обзор литературы, написание статьи, дизайн исследования, научный анализ, выбор журнала для публикации, подача заявки на грант, академическая презентация, research assistant, literature review.
машинный переводПоказать оригиналСкрыть оригинал«AI科研全流程助理。覆盖文献检索→文献阅读→文献综述→研究选题→研究设计→数据分析→ 论文写作→润色校对→引用管理→投稿选刊→基金申请→学术…»
AI科研全流程助理。覆盖文献检索→文献阅读→文献综述→研究选题→研究设计→数据分析→ 论文写作→润色校对→引用管理→投稿选刊→基金申请→学术汇报12大模块。输入研究方向/ 问题/论文/数据，自动生成交互式HTML可视化报告。面向硕博研究生、高校教师、科研人员， 一站式解决从idea到publication的全链路效率瓶颈。触发词：科研助手、学术助理、 文献综述、论文写作、研究设计、科研分析、投稿选刊、基金申请、学术汇报、 research assistant、literature review。
Помощник в полном цикле научных исследований с помощью ИИ.
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: 8. 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 "trigger_words" - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
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 (web, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 237
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1901 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -218 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 250 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 заголовков
- +3Пошаговые инструкции: 237 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.