BB paper-deepread-comic-studio
Глубокий анализ исследовательских статей для создания авторитетных, воспроизводимых учебных отчетов, а затем преобразование их в рабочие процессы раскадровки мультфильмов/комиксов с несколькими изображениями, основанные на исходных данных, с соблюдением непрерывности камеры/стиля/логики и руководством по финальной сборке изображений в PDF. Используйте, когда пользователям требуется глубокое понимание статьи плюс готовые к презентации визуальные объяснения без смешивания генерации отчетов и генерации изображений в одном запросе.
машинный переводПоказать оригиналСкрыть оригинал«Deep-read research papers into authoritative, reproducible teaching re…»
Deep-read research papers into authoritative, reproducible teaching reports, then turn them into source-grounded multi-image cartoon-comic storyboard workflows with camera/style/logic continuity and final image-PDF assembly guidance. Use when users need rigorous paper understanding plus presentation-ready visual explanations without mixing report generation and image generation in one turn.
Глубокий анализ исследовательских статей для создания авторитетных, воспроизводимых учебных отчетов, а затем преобразование их в рабочие процессы раскадровки…
Как процесс B 72/100 · Почти готов — слабые места: результат и критерий готовности, стоимость исполнения
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: 43. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 14366 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 72/100
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 40Стоимость исполнения. Тело инструкции 14366 токенов: вытесняет саму задачу из окна
- 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Ошибки и развилки. Развилок: 37
- 85Шаги. Шагов: 462, расплывчатых формулировок: 1
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 18. Похоже на несколько доменов в одном скилле
- low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
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
- -31 из 8 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 393 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 52 заголовков
- +3Пошаговые инструкции: 462 пунктов
- +4Есть примеры (7 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.