AC self-improving-supply-chain
Фиксирует ошибки прогнозирования, риски поставщиков, задержки логистики, несоответствия запасов, отклонения в качестве и сдвиги сигналов спроса для непрерывного улучшения цепочки поставок. Используйте, когда: (1) Происходит событие дефицита запасов или отложенного заказа, (2) Нарушается SLA доставки, (3) Увеличивается срок выполнения заказа поставщиком, (4) Резко возрастает коэффициент отбраковки по качеству, (5) Отклонение фактического спроса от прогнозируемого превышает 15%, (6) Превышен порог складских мощностей, (7) Необходимо задокументировать решение о закупке или маршрутизации.
машинный переводПоказать оригиналСкрыть оригинал«Captures forecast errors, supplier risks, logistics delays, inventory…»
Captures forecast errors, supplier risks, logistics delays, inventory mismatches, quality deviations, and demand signal shifts to enable continuous supply chain improvement. Use when: (1) A stockout or backorder event occurs, (2) A delivery SLA is missed, (3) Supplier lead time increases, (4) Quality rejection rate spikes, (5) Demand forecast vs. actual variance exceeds 15%, (6) Warehouse capacity threshold is breached, (7) A procurement or routing decision needs documentation.
Фиксирует ошибки прогнозирования, риски поставщиков, задержки логистики, несоответствия запасов, отклонения в качестве и сдвиги сигналов спроса для…
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 6684 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 60/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 16, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Ошибки и развилки. Развилок: 4
- 70Стоимость исполнения. Тело инструкции 6684 токенов
- 100Шаги. Шагов: 108
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 20. 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
- +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 482 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 50 заголовков
- +3Пошаговые инструкции: 108 пунктов
- +4Есть примеры (18 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 3)
- +3Все 3 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.