AC huawei-cloud-modelarts-training-management
Управляет заданиями обучения Huawei Cloud ModelArts и связанными ресурсами посредством полного жизненного цикла операций через CLI hcloud. Охватывает 52 API-интерфейса в 8 функциональных областях: управление заданиями обучения, управление алгоритмами, теги заданий обучения, эксперименты обучения, события заданий обучения, импорт моделей, автоматический поиск (настройка гиперпараметров) и сохранение образов обучения. Все операции записи требуют подтверждения пользователя перед выполнением. Триггеры включают: "ModelArts training", "训练作业", "模型训练", "创建训练作业", "查询训练作业", "停止训练作业", "删除训练作业", "算法管理", "超参配置", "training job", "training management", "create training", "ModelArts 训练", "训练实验", "自动搜索", "超参调优".
машинный переводПоказать оригиналСкрыть оригинал«Manage Huawei Cloud ModelArts training jobs and related resources thro…»
Manage Huawei Cloud ModelArts training jobs and related resources through full lifecycle operations via hcloud CLI. Covers 52 API interfaces across 8 functional domains: training job management, algorithm management, training job tags, training experiments, training job events, model import, auto search (hyperparameter tuning), and training image save. All write operations require user confirmation before execution. Triggers include: "ModelArts training", "训练作业", "模型训练", "创建训练作业", "查询训练作业", "停止训练作业", "删除训练作业", "算法管理", "超参配置", "training job", "training management", "create training", "ModelArts 训练", "训练实验", "自动搜索", "超参调优".
Управляет заданиями обучения Huawei Cloud ModelArts и связанными ресурсами посредством полного жизненного цикла операций через CLI hcloud.
Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, повторный запуск
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: 12. 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 63/100
- 30Повторный запуск. Изменяющих операций: 75, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 4847 токенов
- 85Шаги. Шагов: 37, расплывчатых формулировок: 2
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
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
- -222 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 629 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 32 заголовков
- +3Пошаговые инструкции: 37 пунктов
- +4Есть примеры (13 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (9 из 9)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.