SKILLEMALL.ai

AB the-librarian

Создание и поиск легковесных квантованных индексов документов с помощью TurboVec. Используйте, когда вам нужно создавать поисковые индексы из документов для RAG-приложений с минимальным использованием памяти, или когда вам нужен семантический поиск на оборудовании с ограниченными ресурсами. Триггеры на фразы вроде «создать индекс документов», «искать мои документы», «создать RAG-систему», «квантованный векторный поиск», «легковесный RAG», «поиск документов на Raspberry Pi», «семантический поиск без FAISS».

машинный переводПоказать оригиналСкрыть оригинал«Build and search lightweight quantized document indexes with TurboVec.…»

Build and search lightweight quantized document indexes with TurboVec. Use when you need to create searchable indexes from documents for RAG applications with minimal memory footprint, or when you need semantic search on resource-constrained hardware. Triggers on phrases like "build a document index", "search my documents", "create a RAG system", "quantized vector search", "lightweight RAG", "document search on raspberry pi", "semantic search without FAISS".

ClawHub Agent Skills автор: Enda @ Randtrad v1.2.1 MIT-0 7 файлов · 1 скрипт тело ≈ 1 802 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Создание и поиск легковесных квантованных индексов документов с помощью TurboVec.

Как процесс B 68/100 · Почти готов — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ГенераторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 0. 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

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 19
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1802 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 13. 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 462 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +4Есть примеры (5 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    The published document-search skill is mostly coherent, but the package also includes local-private instructions for privileged Supabase and WhatsApp data access that do not fit the public scope.
    LLM: suspicious (high) · 27 июл. 2026 г.