BD teacher-capability-probe
Проведение «зондирования и оценки возможностей» других больших моделей/экспертных навыков (учителей) внутри WorkBuddy, количественная оценка их границ возможностей и режимов сбоев, с выводом структурированного профиля возможностей — это один из ключевых поднавыков для инженерии основного механизма пользователя «межмодельное дистиллирование» (обнаружение → зондирование → извлечение → синтез → конфронтационная проверка). Это позволяет проводить дистиллирование не на основе интуиции, а путем количественной оценки границ возможностей учителя с помощью исчерпывающих задач зондирования, чтобы определить, какие возможности следует дистиллировать дальше и каких режимов сбоев следует избегать. Триггерные слова: зондирование возможностей учителя, оценка возможностей, профиль возможностей, teacher probe, capability evaluation, оценка перед дистиллированием, границы возможностей, анализ режимов сбоев.
машинный переводПоказать оригиналСкрыть оригинал«对 WorkBuddy 内部其他大模型/专家技能（教师）做「能力探针与评测」，量化其能力边界与失败模式， 产出结构化能力画像——这是用户指定…»
对 WorkBuddy 内部其他大模型/专家技能（教师）做「能力探针与评测」，量化其能力边界与失败模式， 产出结构化能力画像——这是用户指定的核心机制「跨模型蒸馏」工程化收口的关键子能力 （发现→探针→提取→合成→对抗验证）之一。让蒸馏不再凭手感，而是用覆盖性探针任务量化教师能力边界， 指导下一步该蒸馏哪些能力、规避哪些失败模式。触发词：教师能力探针、能力评测、能力画像、 teacher probe、capability evaluation、蒸馏前评测、能力边界、失败模式分析。
Проведение «зондирования и оценки возможностей» других больших моделей/экспертных навыков (учителей) внутри WorkBuddy, количественная оценка их границ…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created" - заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name" - заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name_en" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_zh" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_en" - заметка
frontmatter-keyнеизвестное поле фронтматтера "visibility"
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 16
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 499 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 242 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 16 пунктов
- +4Есть примеры (2 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.