AC research-compiler
Этот навык следует использовать, когда пользователь хочет скомпилировать и организовать результаты научных исследовательских проектов. Он направляет WorkBuddy через структурированный пятиэтапный рабочий процесс: (1) ввод и анализ темы, (2) построение основной структуры для всех результатов и получение подтверждения от пользователя, (3) разделение каждого результата на блоки и обогащение контента существующими материалами плюс веб-исследованиями, (4) объединение всех блоков в полный документ и (5) вывод окончательного файла Word (.docx). Язык лаконичный, ориентированный на инновации и без лишних слов. Структуры соответствуют стандартным академическим форматам (отчет об исследовании, аналитическая записка, технический стандарт, монография и т. д.), основанным на авторитетных шаблонах. Триггерные фразы включают «汇总科研成果», «整理课题成果», «科研课题汇编», «帮我整理研究成果», «生成研究报告», «课题成果Word», «科研成果汇编».
машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when the user wants to compile and organize…»
This skill should be used when the user wants to compile and organize scientific research project outcomes. It guides WorkBuddy through a structured five-phase workflow: (1) intake and topic analysis, (2) building a master framework for all outcomes and seeking user confirmation, (3) splitting each outcome into blocks and enriching content with existing materials plus web research, (4) merging all blocks into a complete document, and (5) outputting a final Word (.docx) file. Language is concise, innovation-focused, and free of filler text. Frameworks follow standard academic formats (research report, policy brief, technical standard, monograph, etc.) sourced from authoritative templates. Trigger phrases include "汇总科研成果", "整理课题成果", "科研课题汇编", "帮我整理研究成果", "生成研究报告", "课题成果Word", "科研成果汇编".
Этот навык следует использовать, когда пользователь хочет скомпилировать и организовать результаты научных исследовательских проектов.
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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: 4. 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 59/100
- 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
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 34
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1376 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 7 примера фраз-триггеров в кавычках
- +3Длина description 794 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 34 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.