AB skill-retrieval-gate
Решите, следует ли запускать `memory_search` перед использованием другого навыка или рабочего процесса, чтобы агент мог сократить использование токенов, не принуждая к поиску при каждой задаче. Используйте, когда задача может зависеть от локальных знаний, истории проекта, предыдущих решений, предпочтений пользователя или существующих заметок, и вам нужно простое правило для определения, когда искать, как запрашивать, сколько контекста загружать и когда отступать. Типичные триггеры включают запросы вроде: продолжить предыдущую работу, сначала использовать память проекта, проверить, что мы уже задокументировали, основывать это на существующих заметках или решить, стоит ли поиск перед использованием навыка.
машинный переводПоказать оригиналСкрыть оригинал«Decide whether to run `memory_search` before following another skill o…»
Decide whether to run `memory_search` before following another skill or workflow, so the agent can reduce token usage without forcing retrieval on every task. Use when a task may depend on local knowledge, project history, prior decisions, user preferences, or existing notes, and you need a lightweight rule for when to retrieve, how to query, how much context to load, and when to fall back. Typical triggers include requests like: continue previous work, use project memory first, check what we already documented, base this on existing notes, or decide whether retrieval is worth it before following the skill.
Решите, следует ли запускать memorysearch перед использованием другого навыка или рабочего процесса, чтобы агент мог сократить использование токенов, не…
Как процесс B 68/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу
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 68/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Входы и предусловия. Не сказано, что нужно иметь на входе
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 31
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 605 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 614 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 31 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (0 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.