AF research-review-skill-factory
Создавайте пользовательские навыки для рецензирования в конкретных областях исследований, группах проблем и комбинациях методов с использованием данных OpenReview. Используйте, когда Codex нуждается в компактном фабричном навыке мета-рецензирования, который принимает область исследования или кластер тем, извлекает и синтезирует недавние опасения рецензентов ICLR/OpenReview и шаблоны ответов авторов принятых статей, а затем генерирует навык рецензента, готовый для ClawHub, ориентированный на эту область/проблему, а не на одну конкретную рукопись.
машинный переводПоказать оригиналСкрыть оригинал«Build custom peer-review skills for specific research areas, problem f…»
Build custom peer-review skills for specific research areas, problem families, and method combinations using OpenReview evidence. Use when Codex needs a compact meta-review skill factory that takes a research field or topic cluster, retrieves and synthesizes recent ICLR/OpenReview reviewer concerns and accepted-paper author response patterns, then generates a ClawHub-ready reviewer skill tailored to that field/problem rather than to one specific manuscript.
Создавайте пользовательские навыки для рецензирования в конкретных областях исследований, группах проблем и комбинациях методов с использованием данных…
Как процесс F 43/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/research_area_profile.md, references/openreview_review_response_bank.md, references/review_output_contract.md
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/research_area_profile.md - предупреждение
missing-refссылка на отсутствующий файл: references/openreview_review_response_bank.md - предупреждение
missing-refссылка на отсутствующий файл: references/review_output_contract.md
Процессный рейтинг: все десять параметров 43/100
- 0Инструменты и файлы. Не хватает 3 файла(ов): references/research_area_profile.md, references/openreview_review_response_bank.md, references/review_output_contract.md
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 100Шаги. Шагов: 40
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 984 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +3Длина description 461 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +3Все 2 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.