AC persona-evaluator
Аудит любой OpenPersona (или аналогичного LLM-агента) в трех взаимодополняющих режимах: структурный (CLI, детерминированный, совместимый с CI: 4 уровня × 5 системных концепций × проверка конституции с учетом роли и серьезности), семантический white-box (LLM читает JSON-содержимое пакета и оценивает качество нарратива души по рубрикам) и семантический black-box (LLM оценивает удаленного агента, который он не может прочитать на диске, через рукопожатие A2A / зонд согласия / пассивное наблюдение, с ограничениями уверенности). Создает отчеты о качестве с оценками по измерениям, сильными сторонами и практическими улучшениями. Используйте, когда вас просят оценить, провести аудит, оценить, просмотреть, самопроверить, провести взаимный обзор или провести black-box обзор агента.
машинный переводПоказать оригиналСкрыть оригинал«Audit any OpenPersona (or peer LLM-agent) persona in three complementa…»
Audit any OpenPersona (or peer LLM-agent) persona in three complementary modes: structural (CLI, deterministic, CI-friendly: 4 Layers × 5 Systemic Concepts × Constitution gate with role-aware severity), semantic white-box (LLM reads pack-content JSON and scores Soul-narrative quality via rubrics), and semantic black-box (LLM evaluates a remote agent it cannot read on disk, via A2A handshake / consent-probe / passive observation, with confidence caps). Produces quality reports with dimension scores, strengths, and actionable improvements. Use when asked to evaluate, audit, score, review, self-review, peer-review, or black-box review an agent.
Аудит любой OpenPersona (или аналогичного LLM-агента) в трех взаимодополняющих режимах: структурный (CLI, детерминированный, совместимый с CI: 4 уровня × 5…
Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 7. 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 57/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 60Ошибки и развилки. Развилок: 2
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 20
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3983 токенов
- low Разделов верхнего уровня: 12. 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +3Длина description 649 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 22 заголовков
- +3Пошаговые инструкции: 20 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.