AD manga-panel-generator
Генерирует полные дизайны исследований двойных заболеваний с использованием транскриптомики + машинного обучения на основе предоставленной пользователем пары заболеваний. Используйте, когда пользователи хотят определить общие дифференциально экспрессирующиеся гены (DEG), общие ключевые гены, перекрестные биомаркеры заболеваний или общие молекулярные механизмы между двумя заболеваниями, используя общедоступные данные GEO. Триггеры: "исследование общих биомаркеров для двух заболеваний", "транскриптомное ML исследование двойных заболеваний", "определение общих DEG между заболеванием А и В", "поиск ключевых генов для разных заболеваний", "дизайн DEG + PPI + ROC для общих заболеваний", "общий биомаркер иммунной инфильтрации" или "я хочу изучить заболевания X и Y вместе". Всегда выдает четыре конфигурации рабочей нагрузки (Lite / Standard / Advanced / Publication+) с рекомендуемым основным планом, пошаговым рабочим процессом, планом построения графиков, стратегией валидации, минимальной исполняемой версией и путем обновления до публикации.
машинный переводПоказать оригиналСкрыть оригинал«Generate professional black-and-white manga panels and comic pages wit…»
Generate professional black-and-white manga panels and comic pages with dynamic poses, screentones, and authentic Japanese manga art style. Perfect for manga artists, doujinshi creators, webtoon storyboards, comic writers, and anime fans who want to illustrate scenes, action sequences, or character moments in classic shonen, shojo, or seinen manga aesthetics via the Neta AI image generation API (free trial at neta.art/open).
Генерирует полные дизайны исследований двойных заболеваний с использованием транскриптомики + машинного обучения на основе предоставленной пользователем пары…
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "tools"
Процессный рейтинг: все десять параметров 43/100
- 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: 1, без проверки текущего состояния
- 50Шаги. Шагов: 2
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 244 токенов
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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 428 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.