AF tech-content-review-panel
Рецензирует техническое/ИИ/отраслевое исследование или углубленный аналитический лонгрид перед публикацией с помощью фиксированной группы из восьми экспертов (представители целевой аудитории, контролеры качества, включая проверку фактов и оригинальности, контролер распространения) в цикле оценки с последующей оптимизацией. Применяется к углубленным техническим/ИИ/данным, отраслевым суждениям и исследовательским статьям — не к новостям, маркетингу, документации, учебным пособиям или коротким мнениям. Триггер: когда пользователь просит 会审/评审/review готовый черновик углубленного анализа или хочет, чтобы технический контент был близок к идеалу/готов к публикации.
машинный переводПоказать оригиналСкрыть оригинал«Reviews a tech/AI/industry research or in-depth analysis long-form art…»
Reviews a tech/AI/industry research or in-depth analysis long-form article before publishing, via a fixed eight-role expert panel (target-reader reps, quality gatekeepers incl. fact+originality check, distribution gatekeeper) in an evaluate-then-optimize loop. Applies to tech/AI/data deep-dives, sector judgment and research pieces — not news, marketing, docs, tutorials, or short opinion posts. Trigger when the user asks to 会审/评审/review a finished deep-analysis draft or wants tech content 接近完美/可发布.
Рецензирует техническое/ИИ/отраслевое исследование или углубленный аналитический лонгрид перед публикацией с помощью фиксированной группы из восьми экспертов…
Как процесс F 60/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/depth-playbook.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/depth-playbook.md - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created" - заметка
frontmatter-keyнеизвестное поле фронтматтера "read_when" - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_zh" - заметка
frontmatter-keyнеизвестное поле фронтматтера "not_for"
Процессный рейтинг: все десять параметров 60/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/depth-playbook.md
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 85Шаги. Шагов: 67, расплывчатых формулировок: 2
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3586 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 502 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 26 заголовков
- +3Пошаговые инструкции: 67 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.