BF llm-inference-radar
Создание и запуск китайского радара разведывательной информации для ускорения инференса LLM, инфраструктуры ИИ, обслуживания моделей, ядер, воспроизводимости, сигналов проектов с открытым исходным кодом, обновлений инфраструктуры компаний, возможностей горизонтального переноса, обучения с обратной связью и постоянной базы знаний. Используйте, когда пользователь запрашивает ежедневные или еженедельные сводки, радар статей, мониторинг открытого исходного кода, мониторинг инфраструктуры, обновления матрицы переноса, скрытые возможности или поддержание радара исследований для ускорения инференса LLM.
машинный переводПоказать оригиналСкрыть оригинал«Build and run a Chinese research intelligence radar for LLM inference…»
Build and run a Chinese research intelligence radar for LLM inference acceleration, AI infra, model serving, kernels, reproducibility, open-source project signals, company infra updates, horizon transfer opportunities, feedback learning, and a persistent knowledge base. Use when the user asks for daily or weekly briefs, paper radar, open-source watch, infra watch, transfer matrix updates, hidden opportunities, or maintaining a research radar for LLM inference acceleration.
Создание и запуск китайского радара разведывательной информации для ускорения инференса LLM, инфраструктуры ИИ, обслуживания моделей, ядер, воспроизводимости…
Как процесс F 53/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/output-templates.md, references/ranking-and-evidence.md, references/taxonomy.yaml
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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
missing-refссылка на отсутствующий файл: references/output-templates.md - предупреждение
missing-refссылка на отсутствующий файл: references/ranking-and-evidence.md - предупреждение
missing-refссылка на отсутствующий файл: references/taxonomy.yaml - предупреждение
missing-refссылка на отсутствующий файл: references/watchlist.yaml - предупреждение
missing-refссылка на отсутствующий файл: references/transfer-matrix.md - предупреждение
missing-refссылка на отсутствующий файл: references/feedback-learning.md - предупреждение
missing-refссылка на отсутствующий файл: references/knowledge-base-schema.md - предупреждение
missing-refссылка на отсутствующий файл: references/config.yaml
Процессный рейтинг: все десять параметров 53/100
- 0Инструменты и файлы. Не хватает 8 файла(ов): references/output-templates.md, references/ranking-and-evidence.md, references/taxonomy.yaml
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 55Ошибки и развилки. Развилок: 1
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 85Шаги. Шагов: 27, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1824 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 477 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +3Формат ответа описан явно
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.