AF paper-to-pipeline
Автоматически создает полноценный Python-конвейер для экспериментов на основе документов с планами экспериментов по машинному обучению/глубокому обучению. Поддерживает предварительную обработку данных, построение моделей, цикл обучения, метрики оценки, визуализацию результатов. Используйте, когда пользователь загружает документ с планом эксперимента и хочет сгенерировать исполняемый код PyTorch/TensorFlow/scikit-learn.
машинный переводПоказать оригиналСкрыть оригинал«根据机器学习/深度学习论文的实验规划文档自动生成完整的 Python 实验 pipeline。支持数据预处理、模型构建、训练循环、评估指标、…»
根据机器学习/深度学习论文的实验规划文档自动生成完整的 Python 实验 pipeline。支持数据预处理、模型构建、训练循环、评估指标、结果可视化。Use when user uploads an experiment plan document and wants to generate runnable PyTorch/TensorFlow/scikit-learn code.
Автоматически создает полноценный Python-конвейер для экспериментов на основе документов с планами экспериментов по машинному обучению/глубокому обучению.
Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/templates/text_classification.py, assets/templates/regression.py, assets/templates/clustering.py
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: assets/templates/text_classification.py - предупреждение
missing-refссылка на отсутствующий файл: assets/templates/regression.py - предупреждение
missing-refссылка на отсутствующий файл: assets/templates/clustering.py - предупреждение
missing-refссылка на отсутствующий файл: references/training-best-practices.md
Процессный рейтинг: все десять параметров 35/100
- 0Инструменты и файлы. Не хватает 4 файла(ов): assets/templates/text_classification.py, assets/templates/regression.py, assets/templates/clustering.py
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Шаги. Шагов: 31
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 597 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
- +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 194 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 31 пунктов
- +4Есть примеры (6 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.