AC search-image
Поиск изображений по текстовым запросам и возврат наиболее релевантного результата изображения, кандидатских изображений, исходных страниц или ссылок для открытия поиска. Используйте, когда пользователь просит найти изображение, найти справочные изображения, найти персонажа, человека, бренд, талисман, мем, обои, аватар или логотип, хочет, чтобы было выполнено несколько поисков по разным движкам, хочет лучший результат вместо первого буквального результата или хочет, чтобы лучший кандидат был отправлен как вложение. Предпочтите многодвижковый поиск с ранжированием по релевантности, затем загрузите и отправьте лучший результат; если уверенность низкая или загрузка не удалась, верните несколько ссылок на кандидатов и URL-адреса поиска.
машинный переводПоказать оригиналСкрыть оригинал«Search images from text queries and return the most relevant image res…»
Search images from text queries and return the most relevant image result, candidate images, source pages, or ready-to-open search links. Use when the user asks to search for an image, find reference images, look up a character, person, brand, mascot, meme, wallpaper, avatar, or logo, wants several engines searched, wants the best match instead of the literal first result, or wants the best candidate sent as an attachment. Prefer multi-engine search with relevance ranking, then download and send the best match; if confidence is weak or downloading fails, return several candidate links and search URLs.
Поиск изображений по текстовым запросам и возврат наиболее релевантного результата изображения, кандидатских изображений, исходных страниц или ссылок для…
Как процесс C 61/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, повторный запуск
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: 21. 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 61/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (search-image) не совпадает с папкой (smart-image-search)
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 85Шаги. Шагов: 92, расплывчатых формулировок: 1
- 100Ошибки и развилки. Развилок: 10, есть раздел про ошибки
- 100Стоимость исполнения. Тело инструкции 2063 токенов
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (4 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)
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -32 из 9 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 608 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 92 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (9 из 9)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.