AB text2qa
Извлекает структурированные пары «вопрос-ответ» и предпочтения выбора из любого текстового источника — особенно из текущей сессии чата или загруженных документов. Используйте этот навык, когда пользователь просит «извлечь вопросы и ответы», «сгенерировать вопросы и ответы», «вытащить вопросы из чата», «создать викторину из этого разговора», «определить предпочтения», «найти критерии выбора» или хочет обобщить сессию в базу знаний для повторного использования. Также срабатывает, когда пользователи говорят что-то вроде «преврати этот чат в вопросы и ответы», «что мы решили?», «задокументируй мои предпочтения из этого разговора» или «сделай из этого карточки для запоминания». Работает с сессиями чата, документами, статьями, стенограммами или любым свободным текстом.
машинный переводПоказать оригиналСкрыть оригинал«Extract structured Q&A pairs and Selection Preferences from any text s…»
Extract structured Q&A pairs and Selection Preferences from any text source — especially the current chat session or uploaded documents. Use this skill whenever the user asks to "extract Q&A", "generate questions and answers", "pull out questions from the chat", "create a quiz from this conversation", "identify preferences", "find selection criteria", or wants to summarize a session into a reusable knowledge base. Also trigger when users say things like "turn this chat into Q&A", "what did we decide?", "document my preferences from this conversation", or "make flashcards from this". Works on chat sessions, documents, articles, transcripts, or any freeform text.
Извлекает структурированные пары «вопрос-ответ» и предпочтения выбора из любого текстового источника — особенно из текущей сессии чата или загруженных…
Как процесс B 71/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 71/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Ошибки и развилки. Развилок: 4
- 100Шаги. Шагов: 19
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 608 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 10 примера фраз-триггеров в кавычках
- +3Длина description 669 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.