BD knowledge-expansion
Техника ведения заметок для расширения знаний (Knowledge Expansion Notetaking, KEN). Когда пользователь делится новым знанием, концепцией или методом, автоматически выполняется: отслеживание источника → анализ концепции → определение границ применимости → разбор неоднозначностей → создание карточки с подробными заметками → углубление с помощью ИИ → синхронизация и архивация в Get Notes + базу знаний Feishu + документ Feishu. Ключевые слова: расширение знаний, глубокое обучение, дополнительное чтение, объяснение концепции, организация заметок, я только что узнал, новые знания, только что понял. Сценарии активации: пользователь вставляет "расширение знаний", "глубокое обучение", "дополнительное чтение", "объяснение концепции", "организация заметок" или просто делится фрагментом только что усвоенного знания.
машинный переводПоказать оригиналСкрыть оригинал«知识拓展笔记术（Knowledge Expansion Notetaking，KEN）。当用户分享一个新学到的知识、概念、方法时，自动完成：…»
知识拓展笔记术（Knowledge Expansion Notetaking，KEN）。当用户分享一个新学到的知识、概念、方法时，自动完成：来源追溯 → 概念解析 → 适用边界划定 → 歧义辨析 → 生成深度笔记卡片 → AI续写深化 → 同步归档到 Get笔记 + 飞书知识库 + 飞书文档。 激活词：知识拓展、深度学习、拓展阅读、概念讲解、笔记整理、我刚学到、新知识、刚get到 触发场景：用户粘贴「知识拓展」「深度学习」「拓展阅读」「概念讲解」「笔记整理」或直接分享一段刚学到的知识内容。
Техника ведения заметок для расширения знаний (Knowledge Expansion Notetaking, KEN).
Как процесс D 39/100 · 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: 4. 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")
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: 3, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (knowledge-expansion) не совпадает с папкой (knowledge-expansion-notetaking)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 48
- 100Стоимость исполнения. Тело инструкции 1647 токенов
- low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее
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
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 249 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 48 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.