BD AI RecSys Weekly Report
Автоматически генерирует подробный еженедельный отчет о технологиях применения больших языковых моделей ИИ (LLM, VLM и т. д.) в поисковой, рекламной и рекомендательной сферах (搜广推), а также автоматически синхронизирует его с IMA (документы Tencent/база знаний). Триггерные слова: еженедельный отчет по технологиям AI搜广推, еженедельный отчет 搜广推, отчет по рекомендациям больших моделей, еженедельный отчет по технологиям рекомендательных систем, генеративный отчет по рекомендациям, отчет по рекомендательным системам Transformer, рекомендации по законам масштабирования, рекомендации MoE, разреженное внимание в рекомендациях, RankMixer, OneTrans, MixFormer, BlossomRec. Активируется, когда пользователь запрашивает регулярное создание отчетов об исследованиях технологий, обзоров статей или анализа отраслевых тенденций в области 搜广推.
машинный переводПоказать оригиналСкрыть оригинал«自动生成关于"AI大模型（LLM、VLM等）技术在搜索、广告、推荐（搜广推）领域应用"的深度技术周报， 并自动同步到 IMA（腾讯文档/知识…»
自动生成关于"AI大模型（LLM、VLM等）技术在搜索、广告、推荐（搜广推）领域应用"的深度技术周报， 并自动同步到 IMA（腾讯文档/知识库）。触发词：AI搜广推技术周报、搜广推周报、大模型推荐报告、 推荐系统技术周报、生成式推荐周报、Transformer推荐系统报告、Scaling Law推荐系统、 MoE推荐系统、稀疏注意力推荐、RankMixer、OneTrans、MixFormer、BlossomRec。 当用户要求定期生成搜广推领域的技术研究报告、论文综述或行业动态分析时触发此 skill。
Автоматически генерирует подробный еженедельный отчет о технологиях применения больших языковых моделей ИИ (LLM, VLM и т.
Как процесс D 39/100 · 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: 5. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers"
Процессный рейтинг: все десять параметров 39/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (AI RecSys Weekly Report) не совпадает с папкой (ai-recsys-weekly-report)
- 60Инструменты и файлы. Используются инструменты (web, python, node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 46
- 100Стоимость исполнения. Тело инструкции 1019 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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- +2Инструкции на одном языке
- +3Длина description 255 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 46 пунктов
- +4Есть примеры (4 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.