AC cogdx-bias-scan
Обнаруживайте систематические ошибки уровня умозаключений в рассуждениях ИИ-агента через API Cerebratech CogDx (0,10 доллара США за вызов, принимаются кредиты). Используйте, когда агент постоянно допускает один и тот же тип ошибки в разных контекстах, когда пользователи сообщают о постоянных слепых зонах или предположениях, когда выходные данные показывают закономерности смещения якоря, недавности, подтверждения или доступности, или перед развертыванием в новой области. Использует статистическое сопоставление с образцом по 188+ известным сигнатурам когнитивных искажений — без LLM в бэкенде. Активируется фразами вроде «scan for bias», «detect my biases», «why do I keep making this mistake», «anchoring bias», «confirmation bias», «I always assume X», «systematic errors» или любым запросом на выявление повторяющихся закономерностей рассуждений. После выполнения используйте навык cogdx-feedback (БЕСПЛАТНО) для проверки переобучения и получения кредитов.
машинный переводПоказать оригиналСкрыть оригинал«Detect systematic inference-level biases in an AI agent's reasoning vi…»
Detect systematic inference-level biases in an AI agent's reasoning via Cerebratech CogDx API ($0.10 per call, credits accepted). Use when an agent keeps making the same type of error across different contexts, when users report consistent blind spots or assumptions, when outputs show anchoring, recency, confirmation, or availability bias patterns, or before deploying to a new domain. Uses statistical pattern matching against 188+ known cognitive bias signatures — no LLM in the backend. Triggers on phrases like "scan for bias", "detect my biases", "why do I keep making this mistake", "anchoring bias", "confirmation bias", "I always assume X", "systematic errors", or any request to identify recurring reasoning patterns. After running, use cogdx-feedback skill (FREE) to verify retraining and earn credits.
Обнаруживайте систематические ошибки уровня умозаключений в рассуждениях ИИ-агента через API Cerebratech CogDx (0,10 доллара США за вызов, принимаются кредиты).
Как процесс C 58/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, повторный запуск
Как улучшить
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "repository"
Процессный рейтинг: все десять параметров 58/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 17
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 795 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 814: рекомендуется 120–800 символов
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.