AC local-rag
Семантический поиск по локальным файлам с использованием эмбеддингов all-MiniLM-L6-v2 и переранжирования кросс-энкодером ms-marco-MiniLM-L-6-v2 с ChromaDB и разбивкой на родительские/дочерние фрагменты. Оптимизировано для ARM-устройств с низким объемом ОЗУ (Raspberry Pi). Используйте, когда пользователь задает вопросы о своих документах, хочет найти информацию в своих файлах, не указывая точные пути, или нуждается в поиске по файлам PDF, DOCX, TXT, MD, TEX. Активируется фразами «cerca nei miei file», «find in my files», «search documents», «trova nel computer», «what does my thesis say about», «search notes». НЕ для запросов точного пути к файлу, веб-поиска или отправки файлов.
машинный переводПоказать оригиналСкрыть оригинал«Semantic search over local files using all-MiniLM-L6-v2 embeddings and…»
Semantic search over local files using all-MiniLM-L6-v2 embeddings and ms-marco-MiniLM-L-6-v2 cross-encoder reranking with ChromaDB and parent-child chunking. Optimized for low-RAM ARM devices (Raspberry Pi). Use when the user asks questions about their documents, wants to find information in their files without specifying exact paths, or needs to search across PDFs, DOCX, TXT, MD, TEX files. Triggers on "cerca nei miei file", "find in my files", "search documents", "trova nel computer", "what does my thesis say about", "search notes". NOT for exact file path requests, web search, or sending files.
Семантический поиск по локальным файлам с использованием эмбеддингов all-MiniLM-L6-v2 и переранжирования кросс-энкодером ms-marco-MiniLM-L-6-v2 с ChromaDB и…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
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: 8. 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 58/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 40Согласованность. Имя во frontmatter (local-rag) не совпадает с папкой (lookupmark-local-rag)
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 21
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Стоимость исполнения. Тело инструкции 1103 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 5 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 605 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.