AD xiwang-graphene-medical-hub
Навык интеллектуального поиска медицинских и научных результатов исследований Xiwang Group и генерации видеороликов для устного вещания. Автоматически ищет во всех 66 документах в папке «Медицинские и научные результаты исследований Xiwang Group» (включая научные статьи, публикации в WeChat, монографии по термотерапии, корпоративные материалы), поддерживает поиск по ключевым словам, категориям тем (онкология/ортопедия/ЛОР/гинекология/дерматология/сон/сердечно-сосудистые заболевания/ТКМ/основы теории/корпоративные/продукты — 11 категорий), названию заболевания и автоматически генерирует высококачественные сценарии для устного вещания видео на основе результатов поиска. Применим в сценариях, требующих поиска данных медицинских и научных исследований Xiwang Group, написания сценариев для научно-популярных видеороликов о здравоохранении, создания рекламных текстов для продуктов.
машинный переводПоказать оригиналСкрыть оригинал«烯旺集团医疗科研成果智能检索与视频口播文案生成技能。自动检索「烯旺医疗科研成果」文件夹内全部66个文档（含学术论文、公众号推文、热敏灸专著、…»
烯旺集团医疗科研成果智能检索与视频口播文案生成技能。自动检索「烯旺医疗科研成果」文件夹内全部66个文档（含学术论文、公众号推文、热敏灸专著、企业资料等），支持按关键词、主题分类（肿瘤/骨科/五官科/妇科/皮肤/睡眠/心血管/中医/基础理论/企业/产品共11类）、疾病名称检索科研成果，并根据检索结果自动生成高质量的视频口播文案。适用于需要查找烯旺集团石墨烯医疗科研数据、撰写医疗健康科普视频脚本、制作产品宣传文案等场景。触发词：检索医疗科研成果、搜索石墨烯医疗、查烯旺科研、医疗科研检索、生成医疗视频文案、石墨烯口播文案、烯旺医疗搜索、medical research search。
Навык интеллектуального поиска медицинских и научных результатов исследований Xiwang Group и генерации видеороликов для устного вещания.
Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
Процессный рейтинг: все десять параметров 41/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (xiwang-graphene-medical-hub) не совпадает с папкой (xiwang-medical-research)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 40
- 100Стоимость исполнения. Тело инструкции 1193 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее
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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 292 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.