BD llm-wiki
Используется для создания, обслуживания, запроса, архивирования и проверки Wiki знаний в формате Markdown / Obsidian, постоянно поддерживаемого LLM. Сценарии использования: инициализация личной базы знаний; импорт необработанных данных, сгруппированных по источникам в source/, в wiki/; организация статей, диссертаций, кратких обзоров книг, интервью, протоколов совещаний; обслуживание страниц данных, сущностей, концепций, сводных страниц, сравнительных страниц, страниц запросов и архивов; обновление index.md и log.md; ответы на вопросы на основе Wiki с архивированием ответов, имеющих долгосрочную ценность; проверка битых ссылок, изолированных страниц, повторяющихся концепций, устаревших выводов, не отмеченных противоречий, нечитаемых символов и хаотичной организации.
машинный переводПоказать оригиналСкрыть оригинал«用于构建、维护、查询、归档和体检一个由 LLM 持续维护的 Markdown / Obsidian 知识 Wiki。使用场景包括：初始化个人…»
用于构建、维护、查询、归档和体检一个由 LLM 持续维护的 Markdown / Obsidian 知识 Wiki。使用场景包括：初始化个人知识库；把 source/ 下按来源分组的原始资料导入 wiki/；整理文章、论文、书摘、访谈、会议记录；维护资料页、实体页、概念页、综合页、对比页、查询归档页；更新 index.md 和 log.md；基于 Wiki 回答问题并把有长期价值的回答归档；检查断链、孤立页、重复概念、过时结论、未标注矛盾、乱码和组织混乱。
Используется для создания, обслуживания, запроса, архивирования и проверки Wiki знаний в формате Markdown / Obsidian, постоянно поддерживаемого LLM.
Как процесс D 43/100 · 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
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 43/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (llm-wiki) не совпадает с папкой (llm-wiki-cn)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 160
- 100Стоимость исполнения. Тело инструкции 2033 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 14. 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
- -5В тексте остались TODO / заглушки
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 230 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 33 заголовков
- +3Пошаговые инструкции: 160 пунктов
- +4Есть примеры (14 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.