AB alibabacloud-compute-provision
Предоставление вычислительных ресурсов Alibaba Cloud — автоматически выбирает вычислительный ресурс Alibaba Cloud (ECS, FC, ACK, PAI) на основе намерений пользователя, затем создает экземпляры и выполняет скрипты. Используйте этот навык, когда пользователю нужно запускать вычислительные задания, выполнять скрипты, обучать модели или развертывать контейнеризированные приложения в Alibaba Cloud, или когда упоминаются ключевые слова, такие как cpu_bound, gpu, vCPU, budget, training, A100 или qwen. Обеспечивает полный цикл выбора ресурсов, ценообразования, контроля бюджета, создания экземпляров и выполнения скриптов.
машинный переводПоказать оригиналСкрыть оригинал«Alibaba Cloud Compute Provision - Automatically selects an Alibaba Clo…»
Alibaba Cloud Compute Provision - Automatically selects an Alibaba Cloud compute resource (ECS, FC, ACK, PAI) based on user intent, then creates instances and executes scripts. Use this skill when the user needs to run compute jobs, execute scripts, train models, or deploy containerized applications on Alibaba Cloud, or mentions keywords such as cpu_bound, gpu, vCPU, budget, training, A100, or qwen. Provides a full loop of resource selection, pricing, budget control, instance creation, and script execution.
Предоставление вычислительных ресурсов Alibaba Cloud — автоматически выбирает вычислительный ресурс Alibaba Cloud (ECS, FC, ACK, PAI) на основе намерений…
Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Секреты в коде
secret-high-entropy-tokenreferences/ecs.md:291Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)image_id="aliy…xxx", # Required
в кавычках
Просканировано файлов: 17. 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 69/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 30, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web, git, python, node), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 4179 токенов
- 100Шаги. Шагов: 39
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 12, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- -5В тексте остались TODO / заглушки
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -36 из 8 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 512 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 39 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (7 из 7)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.