BD 错题整理巩固
Позволяет студентам загружать скриншоты ошибочных заданий по любой дисциплине, фотографии экзаменационных листов или вставлять текст заданий; на основе реальных ответов интеллектуально систематизирует ошибочные задания, распознает предмет и тип задания, определяет и различает причины ошибок, такие как нечеткое понимание концепций, упущение знаний, ошибки в расчетах или операциях, неверное толкование условий, разрыв в логических рассуждениях, неправильный выбор метода, ненормативное выражение, и предлагает рекомендации по закреплению знаний. Также используется для сохранения, обновления и поиска ошибочных заданий в локальной тетради ошибок Lingxi AI Assistant; записывает напрямую при явном запросе пользователя на сохранение или обновление, в противном случае сначала спрашивает подтверждение, а затем систематизирует по предмету, типу задания и дате, статистически подсчитывает типы часто встречающихся ошибок и создает записи для анализа ошибок. Не генерирует самостоятельно упражнения типа «одно порождает другое» или дополнительные тренировочные задания.
машинный переводПоказать оригиналСкрыть оригинал«支持学生上传任意学科错题截图、试卷照片或粘贴题目文本，基于真实作答智能整理错题，识别题目科目和题型，定位并区分概念模糊、知识点遗漏、计算或操…»
支持学生上传任意学科错题截图、试卷照片或粘贴题目文本，基于真实作答智能整理错题，识别题目科目和题型，定位并区分概念模糊、知识点遗漏、计算或操作失误、审题偏差、推理断点、方法选择不当、表达不规范等错误根因，拆解核心知识点并给出巩固建议。也用于在灵犀 AI 助手本地错题本中保存、更新、检索错题；用户明确要求保存或更新时直接写入，未要求保存时先询问确认，再按科目、题型和日期分类整理，统计高频错误类型和制作错题复盘记录。不要主动生成举一反三练习题或额外训练题。
Позволяет студентам загружать скриншоты ошибочных заданий по любой дисциплине, фотографии экзаменационных листов или вставлять текст заданий; на основе…
Как процесс D 49/100 · 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (错题整理巩固) не совпадает с папкой (mistake-analysis-and-transfer)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 76
- 100Стоимость исполнения. Тело инструкции 1564 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 228 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 76 пунктов
- +4Есть примеры (5 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.