BF peer-review
Многомодельный уровень рецензирования с использованием локальных LLM через Ollama для выявления ошибок в выходных данных облачных моделей. Распространяет критику на 2-3 локальные модели, агрегирует флаги, синтезирует консенсус. Используйте при: проверке торговых анализов, оценке качества выходных данных агента, тестировании точности локальных моделей, проверке выходных данных Claude перед публикацией или действиями по ним. Не используйте при: простой проверке фактов (просто ищите в интернете), задачах, не требующих консенсуса нескольких моделей, срочных решениях, где задержка в 60 секунд неприемлема, проверке незначительного или неважного контента. Отрицательные примеры: - «Проверь, правильна ли эта дата» → Нет. Просто найдите в интернете. - «Проверь мой список покупок» → Нет. Не стоит вывода нескольких моделей. - «Мне нужен этот ответ за 5 секунд» → Нет. Рецензирование добавляет задержку 30-60 секунд. Крайние случаи: - Короткий текст (<50 слов) → Модели могут не найти значимых проблем. Рассмотрите возможность пропуска. - Высокотехническая область → Локальным моделям может не хватать знаний в предметной области. Уменьшите вес флагов. - Творческое письмо → Фактическая проверка не очень применима. Используйте только для логической согласованности.
машинный переводПоказать оригиналСкрыть оригинал«Multi-model peer review layer using local LLMs via Ollama to catch err…»
Multi-model peer review layer using local LLMs via Ollama to catch errors in cloud model output. Fan-out critiques to 2-3 local models, aggregate flags, synthesize consensus. Use when: validating trade analyses, reviewing agent output quality, testing local model accuracy, checking any high-stakes Claude output before publishing or acting on it. Don't use when: simple fact-checking (just search the web), tasks that don't benefit from multi-model consensus, time-critical decisions where 60s latency is unacceptable, reviewing trivial or low-stakes content. Negative examples: - "Check if this date is correct" → No. Just web search it. - "Review my grocery list" → No. Not worth multi-model inference. - "I need this answer in 5 seconds" → No. Peer review adds 30-60s latency. Edge cases: - Short text (<50 words) → Models may not find meaningful issues. Consider skipping. - Highly technical domain → Local models may lack domain knowledge. Weight flags lower. - Creative writing → Factual review doesn't apply well. Use only for logical consistency.
Многомодельный уровень рецензирования с использованием локальных LLM через Ollama для выявления ошибок в выходных данных облачных моделей.
Как процесс F 49/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/peer-review.sh, scripts/peer-review-batch.sh, scripts/seed-test-corpus.sh
Как улучшить
- Сократите description до 1024 символов.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1060 символов, лимит 1024 - предупреждение
missing-refссылка на отсутствующий файл: scripts/peer-review.sh - предупреждение
missing-refссылка на отсутствующий файл: scripts/peer-review-batch.sh - предупреждение
missing-refссылка на отсутствующий файл: scripts/seed-test-corpus.sh
Процессный рейтинг: все десять параметров 49/100
- 0Инструменты и файлы. Не хватает 3 файла(ов): scripts/peer-review.sh, scripts/peer-review-batch.sh, scripts/seed-test-corpus.sh
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 100Шаги. Шагов: 15
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 966 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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
- +3Длина description 1059: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.