BB deep-planning
Используйте для решения сложных проблем архитектуры, алгоритмов, проектирования систем, логики или планирования исследований, где обычное линейное планирование, вероятно, будет хрупким, раздутым или застрянет в локальных предположениях. Глубокое планирование создает базовый план, абстрагирует проблему в нейтральную по отношению к домену структуру, запускает суб-агента для запроса вопросов в домене с пустым контекстом, переводит полезные междоменные механизмы обратно в исходный домен, сравнивает стандартные/новые/гибридные планы и выдает автономный план выполнения. Не используйте для рутинного кодирования, простых рефакторингов, поиска фактов, прямого использования API или тактического исправления ошибок.
машинный переводПоказать оригиналСкрыть оригинал«Use for complex architecture, algorithm, system-design, logic, or rese…»
Use for complex architecture, algorithm, system-design, logic, or research-planning problems where ordinary linear planning is likely to be brittle, bloated, or trapped in local assumptions. Deep Planning creates a baseline plan, abstracts the problem into domain-neutral structure, spawns a blank-context domain-questioning subagent, translates useful cross-domain mechanisms back into the original domain, compares standard/novel/hybrid plans, and emits a self-contained execution blueprint. Do not use for routine coding, simple refactors, factual lookup, straightforward API usage, or tactical bug fixes.
Используйте для решения сложных проблем архитектуры, алгоритмов, проектирования систем, логики или планирования исследований, где обычное линейное…
Как процесс B 72/100 · Почти готов — слабые места: результат и критерий готовности, согласованность, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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
body-longтело SKILL.md ≈ 6213 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 72/100
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 40Согласованность. Имя во frontmatter (deep-planning) не совпадает с папкой (deep-planning-skill)
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 6213 токенов
- 100Шаги. Шагов: 292
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 47. 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
- +3Формат ответа не описан: модель каждый раз решает сама
- -5В тексте остались TODO / заглушки
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 608 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 53 заголовков
- +3Пошаговые инструкции: 292 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.