AC learned-from-ai
Преобразуйте взаимодействия в чате с ИИ в долговечные учебные материалы для людей. Используйте, когда пользователь предоставляет ссылку на чат/обмен, вставляет разговор с ИИ или черновик, сгенерированный ИИ, и хочет преобразовать его в структурированные, долговечные заметки для обзора и запоминания. Особенно используйте, когда пользователь хочет фиксированную структуру: (1) определение, (2) основные идеи или инженерная практика, (3) примеры и расчеты, (4) важные выводы, (5) вопросы и ответы, (6) дополнительное чтение/просмотр, плюс отдельный справочный лист. Для задач в рамках этого навыка всегда используйте под-агента с моделью openai-codex/gpt-5.4 и средним уровнем мышления по умолчанию, чтобы основная сессия оставалась отзывчивой, если пользователь явно не просит иного. Всегда сохраняйте выходные данные в папке notes/, если пользователь явно не просит иного.
машинный переводПоказать оригиналСкрыть оригинал«Turn chat interactions with AI into durable learning materials for hum…»
Turn chat interactions with AI into durable learning materials for humans. Use when the user provides a chat/share link, pasted AI conversation, or rough AI-generated draft and wants it converted into structured, long-lived notes for review and memory. Especially use when the user wants the fixed structure: (1) definition, (2) essential ideas or engineering practice, (3) worked examples and calculations, (4) important derivations, (5) Q&A, (6) further reading/viewing, plus a separate cheat sheet. For tasks under this skill, always use a subagent with model openai-codex/gpt-5.4 and thinking medium by default so the main session stays responsive, unless the user explicitly asks otherwise. Always save outputs in notes/ unless the user explicitly asks otherwise.
Преобразуйте взаимодействия в чате с ИИ в долговечные учебные материалы для людей.
Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
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
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Turn chat interactions with AI into durable learning materials for… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
Процессный рейтинг: все десять параметров 61/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Ошибки и развилки. Развилок: 5
- 85Шаги. Шагов: 89, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1600 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
- +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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 768 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 89 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.