AC cite-holmes
Глубокое исследование с проверкой источников (Verified Deep Research): сначала калибрует область (3-5 четких вопросов), планирует подвопросы, итеративно ищет по источникам и языкам, затем проверяет каждую цитату с помощью машины (проверено / частично / непроверено / недоступно / недействительно) перед отправкой отчета с оценкой достоверности. Никогда не выдает непроверенные ссылки; поддельные DOI, неработающие ссылки и отсутствующие источники являются первоочередными целями для обнаружения. Встроен режим медицинских данных (пресеты Cochrane/BMJ/ClinicalTrials/NMPA/CDC/NICE/Wanfang, проверка существования PMID через NCBI E-utilities) и экспорт проверенной библиографии (BibTeX + CSV аудита).
машинный переводПоказать оригиналСкрыть оригинал«Deep research that interrogates its own sources (Verified Deep Researc…»
Deep research that interrogates its own sources (Verified Deep Research): calibrates scope first (3-5 sharp questions), plans sub-questions, searches iteratively across sources and languages, then machine-verifies every citation (verified / partial / unverified / unreachable / invalid) before a confidence-graded report ships. Never outputs unverified references; fabricated DOIs, dead links and missing sources are first-class catch targets. Medical evidence mode (Cochrane/BMJ/ClinicalTrials/NMPA/CDC/NICE/Wanfang Wanfang tier presets, PMID existence check via NCBI E-utilities) and verified-bibliography export (BibTeX + audit CSV) built in.
Глубокое исследование с проверкой источников (Verified Deep Research): сначала калибрует область (3-5 четких вопросов), планирует подвопросы, итеративно ищет…
Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск
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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 62/100
- 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: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 12
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1817 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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)
- +2Инструкции на одном языке
- +3Длина description 646 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 12 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.