BD rag-eval
Тесты RAG для файловой системы: corpus/, train.json, evaluate_rag.py (качество RAGAS). Не для продакшн-мониторинга, тестирования задержки/пропускной способности (используйте rag-perf) или тестов вне этой структуры репозитория.
машинный переводПоказать оригиналСкрыть оригинал«Filesystem RAG benchmarks: corpus/, train.json, evaluate_rag.py (RAGAS…»
Filesystem RAG benchmarks: corpus/, train.json, evaluate_rag.py (RAGAS quality). Not for prod monitoring, latency/throughput benchmarking (use rag-perf), or evals outside this repo layout.
Тесты RAG для файловой системы: corpus/, train.json, evaluaterag.py (качество RAGAS). Не для продакшн-мониторинга, тестирования задержки/пропускной…
Как процесс D 47/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: references/benchmark-execution.md, references/dataset-and-conversion.md, references/benchmark-execution.md
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: references/benchmark-execution.md - предупреждение
missing-refссылка на отсутствующий файл: references/dataset-and-conversion.md - предупреждение
missing-refссылка на отсутствующий файл: references/benchmark-execution.md - предупреждение
missing-refссылка на отсутствующий файл: references/evaluate-rag-cli.md - предупреждение
missing-refссылка на отсутствующий файл: references/result-analysis.md - предупреждение
missing-refссылка на отсутствующий файл: references/benchmark-execution.md - предупреждение
missing-refссылка на отсутствующий файл: scripts/eval/evaluate_rag.py - предупреждение
missing-refссылка на отсутствующий файл: scripts/rag-perf - предупреждение
missing-refссылка на отсутствующий файл: scripts/eval/README.md
Процессный рейтинг: все десять параметров 47/100
- 0Инструменты и файлы. Не хватает 9 файла(ов): references/benchmark-execution.md, references/dataset-and-conversion.md, references/benchmark-execution.md
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 85Шаги. Шагов: 25, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2010 токенов
- low Разделов верхнего уровня: 10. 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
- +3Формат ответа не описан: модель каждый раз решает сама
- -2Ссылки на localhost: у другого пользователя не заработает
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 188 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 25 пунктов
- +4Есть примеры (2 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.