AC compression-monitor
Обнаруживает поведенческий дрейф в постоянных ИИ-агентах после событий сжатия контекста. Используйте, когда у долгоживущего агента сжался контекст (уплотнение, усечение или суммирование), и вам нужно проверить, что агент по-прежнему ведет себя последовательно. Измеряет три наблюдаемых сигнала без доступа к внутренним данным агента: распад словарного запаса призраков (потеря точной лексики), оценка согласованности контекста (CCS через сходство вложений) и сдвиг распределения вызовов инструментов. Включает готовые интеграции для smolagents, Semantic Kernel, LangChain/DeepAgents, CAMEL и Anthropic Agent SDK. Активируется по: «сжатие контекста», «уплотнение», «дрейф агента», «поведенческий дрейф», «словарный запас призраков», «CCS», «согласованность контекста», «изменился ли мой агент», «граница сжатия», «долгоживущий агент», «дрейф постоянного агента», «вращение окна контекста» или любая задача, связанная с проверкой согласованности поведения агента между границами сеансов.
машинный переводПоказать оригиналСкрыть оригинал«Detect behavioral drift in persistent AI agents after context compress…»
Detect behavioral drift in persistent AI agents after context compression events. Use when a long-running agent has compressed its context (compaction, truncation, or summarization) and you need to verify the agent is still behaving consistently. Measures three observable signals without requiring access to the agent's internals: ghost lexicon decay (loss of precise vocabulary), context consistency score (CCS via embedding similarity), and tool call distribution shift. Includes ready-to-use framework integrations for smolagents, Semantic Kernel, LangChain/DeepAgents, CAMEL, and the Anthropic Agent SDK. Triggers on: "context compression", "compaction", "agent drift", "behavioral drift", "ghost lexicon", "CCS", "context consistency", "did my agent change", "compression boundary", "long-running agent", "persistent agent drift", "context window rotation", or any task involving verifying agent behavioral consistency across session boundaries.
Обнаруживает поведенческий дрейф в постоянных ИИ-агентах после событий сжатия контекста.
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. 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 55/100
- 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
- 40Согласованность. Имя во frontmatter (compression-monitor) не совпадает с папкой (morrow-compression-monitor)
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 10
- 100Стоимость исполнения. Тело инструкции 878 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 951: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 11 примера фраз-триггеров в кавычках
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.