AF score-analyzer
Анализ данных об успеваемости студентов из файлов Excel и генерация профессиональных отчетов об анализе. Используйте, когда пользователь предоставляет лист с оценками Excel (.xlsx), просит проанализировать оценки студентов, результаты тестов, данные экзаменов или данные оценок. Агент выполняет весь анализ непосредственно с помощью скриптов Python (pandas, matplotlib) и собственного интеллекта для написания отчетов — внешний API LLM во время выполнения не требуется. Поддерживает очистку данных, статистический анализ, генерацию диаграмм (распределение оценок, сравнение классов, радар, тренды, ящик с усами, тепловая карта, отклонение, топ-низ), написание повествовательных отчетов и вывод пакета ZIP. Триггеры: «analyze scores», «score report», «exam analysis», «成绩分析», «成绩报告», «学生成绩», «score sheet», «upload excel for analysis», «analyze test results», «成绩统计», «前10名», «成绩对比», «班级成绩».
машинный переводПоказать оригиналСкрыть оригинал«Analyze student score data from Excel files and generate professional…»
Analyze student score data from Excel files and generate professional analysis reports. Use when the user provides an Excel score sheet (.xlsx), asks to analyze student scores, test results, exam data, or grade data. The Agent performs all analysis directly using Python scripts (pandas, matplotlib) and its own intelligence for report writing—no external LLM API needed during execution. Supports data cleaning, statistical analysis, chart generation (score distribution, class comparison, radar, trends, boxplot, heatmap, deviation, top-bottom), narrative report writing, and ZIP package output. Triggers: "analyze scores", "score report", "exam analysis", "成绩分析", "成绩报告", "学生成绩", "score sheet", "upload excel for analysis", "analyze test results", "成绩统计", "前10名", "成绩对比", "班级成绩".
Анализ данных об успеваемости студентов из файлов Excel и генерация профессиональных отчетов об анализе.
Как процесс F 38/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/analysis_prompt.md
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/analysis_prompt.md
Процессный рейтинг: все десять параметров 38/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/analysis_prompt.md
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (score-analyzer) не совпадает с папкой (score-analyzer-skill)
- 85Шаги. Шагов: 23, расплывчатых формулировок: 1
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Стоимость исполнения. Тело инструкции 2179 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +3Длина description 782 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.