BC model-advisor
Консультант по выбору интеллектуальных моделей. Автоматически рекомендует оптимальную модель в зависимости от типа задачи (количественные торги, написание кода, обработка длинных документов, повседневный диалог, конфиденциальные задачи), балансируя эффективность, качество и стоимость токенов. Сценарии запуска: (1) Пользователь спрашивает о моделях («какую модель использовать», «сменить модель», «рекомендация модели», «оптимальная модель»); (2) Когда пользователь инициирует новую задачу, активно анализирует тип задачи и рекомендует оптимальную модель; (3) Когда требуется оптимизировать использование токенов. Этот навык должен активно запускаться при начале каждой новой задачи, чтобы помочь пользователю выбрать наиболее подходящую модель.
машинный переводПоказать оригиналСкрыть оригинал«智能模型选择顾问。根据任务类型（量化交易、代码编写、长文档处理、日常对话、隐私任务）自动推荐最优模型，平衡效率、质量和Token成本。触发场…»
智能模型选择顾问。根据任务类型（量化交易、代码编写、长文档处理、日常对话、隐私任务）自动推荐最优模型，平衡效率、质量和Token成本。触发场景：(1) 用户询问模型相关（"用什么模型"、"切换模型"、"模型推荐"、"最优模型"）；(2) 用户发起新任务时，主动分析任务类型并推荐最优模型；(3) 需要优化Token使用时。此技能应在每次新任务开始时主动触发，帮助用户选择最合适的模型。
Консультант по выбору интеллектуальных моделей.
Как процесс C 53/100 · Есть пробелы — 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: 4. 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 53/100
- 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
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 28
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1659 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -212 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 192 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 35 заголовков
- +3Пошаговые инструкции: 28 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 70.