BC typed-decisions-around-llms
Определите, ГДЕ модель суждения с типизацией (Jev от TypeSafe или любая модель System One) должна находиться относительно генеративной LLM, и кто имеет право авторизовать что. Используйте при добавлении защитного механизма, маршрутизатора, верификатора или этапа утверждения вокруг LLM; при преобразовании шага "LLM как судья" из свободного текста в типизированное решение; когда собственный показатель уверенности модели используется для авторизации ее собственного вывода; при выборе пороговых значений, диапазонов уверенности или поведения при отказе; или при проверке конвейера агентов/вызовов инструментов на предмет того, кто обладает полномочиями. Это вопрос архитектуры — размещение, порядок и полномочия. Для механики API, выбора примитивов и формулировки вопросов используйте skill typesafe-ai и живую документацию.
машинный переводПоказать оригиналСкрыть оригинал«Decide WHERE a typed judgment model (TypeSafe's Jev or any System One…»
Decide WHERE a typed judgment model (TypeSafe's Jev or any System One model) belongs relative to a generative LLM, and who is allowed to authorize what. Use when adding a guardrail, router, verifier, or approval gate around an LLM; when converting a free-text 'LLM-as-judge' step into a typed decision; when a model's own confidence score is being used to authorize its own output; when choosing thresholds, confidence bands, or fallback behavior; or when reviewing an agent/tool-calling pipeline for who holds authority. This is the architecture question — placement, ordering, and authority. For API mechanics, primitive selection, and question wording use the typesafe-ai skill and the live docs instead.
Определите, ГДЕ модель суждения с типизацией (Jev от TypeSafe или любая модель System One) должна находиться относительно генеративной LLM, и кто имеет право…
Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
- 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
description-long-hermesdescription 707 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
Процессный рейтинг: все десять параметров 50/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Согласованность. Диалект Hermes требует category и tags
- 70Стоимость исполнения. Тело инструкции 4092 токенов
- 100Шаги. Шагов: 63
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 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: 12. 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +3Длина description 707 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 63 пунктов
- +4Есть примеры (3 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.