AC glr-adapter-builder
Создавайте или рефакторите адаптер GameLearningRuntime, мост среды выполнения, обучаемую среду, манифест исследования знаний или конфигурацию вознаграждений. Используйте, когда агенту необходимо преобразовать авторизованную среду выполнения игры в повторно используемую среду GLR для RL, BC, IMPALA, оценки или автономного сбора данных, сохраняя при этом конфиденциальность, происхождение, ограничение действий и нейтральные для обучающегося контракты.
машинный переводПоказать оригиналСкрыть оригинал«Build or refactor a GameLearningRuntime adapter, runtime bridge, train…»
Build or refactor a GameLearningRuntime adapter, runtime bridge, trainable environment, knowledge research manifest, or reward configuration. Use when an agent must turn an authorized game runtime into a reusable GLR environment for RL, BC, IMPALA, evaluation, or offline collection while preserving privacy, provenance, action fencing, and learner-neutral contracts.
Создавайте или рефакторите адаптер GameLearningRuntime, мост среды выполнения, обучаемую среду, манифест исследования знаний или конфигурацию вознаграждений.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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: 14. 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 53/100
- 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
- 30Повторный запуск. Изменяющих операций: 8, 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, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 40
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3150 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 12. 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
- -31 из 2 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 367 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.