AC alibabacloud-lindorm-vector-migrate-skill
Помощник по миграции векторных баз данных — миграция векторных данных из Milvus, Elasticsearch, Lindorm или Qdrant в Aliyun Lindorm. Поддерживает экспорт из исходной базы данных в файл CSV, затем загрузку в OSS и последующий импорт. Собирает параметры через диалог, напрямую генерирует и выполняет код для завершения миграции. Поддерживает возобновление с точки остановки, исключение полей, подтверждение предварительного просмотра DDL и т. д. Триггеры: «миграция», «векторные данные», «векторная миграция», «миграция данных», «vector transfer», «migration», «vector database», «миграция Lindorm», «миграция в Lindorm», «миграция ES», «миграция Qdrant», «возобновление с точки остановки», «импорт из csv», «импорт oss», «экспорт в csv», «экспорт в CSV», «export to CSV», «экспорт CSV».
машинный переводПоказать оригиналСкрыть оригинал«向量数据库迁移助手 — 从 Milvus、Elasticsearch、Lindorm 或 Qdrant 迁移向量数据至阿里云 Lindorm…»
向量数据库迁移助手 — 从 Milvus、Elasticsearch、Lindorm 或 Qdrant 迁移向量数据至阿里云 Lindorm。支持从源库导出为 CSV 文件后上传 OSS 再导入。通过对话收集参数，直接生成并执行代码完成迁移。支持断点续传、字段排除、DDL 预览确认等。 Triggers: "迁移", "向量数据", "向量迁移", "数据迁移", "vector transfer", "migration", "vector database", "Lindorm 迁移", "迁移到 Lindorm", "ES 迁移", "Qdrant 迁移", "断点续传", "csv 文件导入", "oss 导入", "导出到 CSV", "导出为 CSV", "export to CSV", "CSV 导出".
Помощник по миграции векторных баз данных — миграция векторных данных из Milvus, Elasticsearch, Lindorm или Qdrant в Aliyun Lindorm.
Как процесс C 60/100 · Есть пробелы — 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: 18. 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")
Процессный рейтинг: все десять параметров 60/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 85Шаги. Шагов: 16, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1534 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- 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
- +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
- +5В description 12 примера фраз-триггеров в кавычках
- +3Длина description 364 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 16 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.