AC simple-csc
Используйте репозиторий simple-csc для исправления орфографии китайского языка (CSC) и ошибок в китайских иероглифах (C2EC) с помощью больших языковых моделей без обучения. Активируйте, когда пользователь просит исправить ошибки в написании китайского текста, провести эксперименты CSC/C2EC, оценить результаты исправления, настроить среду simple-csc, использовать API LMCorrector, запустить сервер API исправления или работать с наборами данных для исправления ошибок в китайском тексте. Также активируйте, когда код импортирует `lmcsc` или ссылается на `LMCorrector`.
машинный переводПоказать оригиналСкрыть оригинал«Use the simple-csc repository to perform Chinese Spelling Correction (…»
Use the simple-csc repository to perform Chinese Spelling Correction (CSC) and Chinese Character Error Correction (C2EC) using large language models in a training-free manner. Trigger when: user asks to correct Chinese text spelling errors, run CSC/C2EC experiments, evaluate correction results, set up the simple-csc environment, use LMCorrector API, start the correction API server, or work with Chinese text error correction datasets. Also trigger when code imports `lmcsc` or references `LMCorrector`.
Используйте репозиторий simple-csc для исправления орфографии китайского языка (CSC) и ошибок в китайских иероглифах (C2EC) с помощью больших языковых моделей…
Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, 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: 3. 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 57/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 9
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1012 токенов
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
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 505 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.