AC pixeltable-skill
Создавайте мультимодальные ИИ-приложения с Pixeltable — декларативные таблицы заменяют LangChain + pandas + vector DB одной системой. Автоматизирует разбиение на части, встраивание, поиск, агентов вызова инструментов и более 25 интеграций с ИИ-провайдерами (OpenAI, Anthropic, Gemini и т. д.) через вычисляемые столбцы, которые выполняются при вставке. Используйте при создании RAG-конвейеров, обработке изображений/видео/аудио/документов, оркестрации инференса LLM или развертывании агентов с постоянной памятью. Охватывает инкрементные вычисления, контроль версий, поиск по сходству, обслуживание FastAPI и производственные паттерны. НЕ используйте для общего Python или прямого администрирования PostgreSQL.
машинный переводПоказать оригиналСкрыть оригинал«Build multimodal AI applications with Pixeltable — declarative tables…»
Build multimodal AI applications with Pixeltable — declarative tables replace LangChain + pandas + vector DB with one system. Automates chunking, embedding, retrieval, tool-calling agents, and 25+ AI provider integrations (OpenAI, Anthropic, Gemini, etc.) via computed columns that run on insert. Use when building RAG pipelines, processing images/video/audio/documents, orchestrating LLM inference, or deploying agents with persistent memory. Covers incremental computation, version control, similarity search, FastAPI serving, and production patterns. Do NOT use for general Python or direct PostgreSQL administration.
Создавайте мультимодальные ИИ-приложения с Pixeltable — декларативные таблицы заменяют LangChain + pandas + vector DB одной системой.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 6240 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 53/100
- 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
- 40Согласованность. Имя во frontmatter (pixeltable-skill) не совпадает с папкой (pixeltable)
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 6240 токенов
- 100Шаги. Шагов: 25
- 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- low Разделов верхнего уровня: 15. Похоже на несколько доменов в одном скилле
- low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
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
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 620 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 25 заголовков
- +3Пошаговые инструкции: 25 пунктов
- +4Есть примеры (16 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (8 из 8)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.