AC literature-deep-read-report
Этот навык следует использовать, когда пользователь предоставляет научную статью (PDF-файл, DOI, ссылку arXiv или заголовок) и запрашивает структурированный отчет по глубокому чтению или литературный обзор. Он извлекает полный текст статьи, цитирует точные числа из оригинала и создает глубокий, визуально структурированный отчет с диаграммой механизма, охватывающий фон, переменные, парадигму/метод, рабочий процесс, детали дизайна, статистический анализ и основные результаты. Активируйте по фразам, таким как 精读这篇论文, 做一份文献精读报告, 分析这篇文章的方法与设计, 总结这篇研究, summarize this paper, или deep-read report.
машинный переводПоказать оригиналСкрыть оригинал«This skill should be used when a user provides an academic paper (PDF…»
This skill should be used when a user provides an academic paper (PDF file, DOI, arXiv link, or title) and asks for a structured deep-read report or literature summary. It extracts the full paper text, quotes exact numbers from the original, and produces a deep, visually structured report with a mechanism diagram, covering background, variables, paradigm/method, task flow, design details, statistical analysis, and main results. Trigger on phrases such as 精读这篇论文, 做一份文献精读报告, 分析这篇文章的方法与设计, 总结这篇研究, summarize this paper, or deep-read report.
Этот навык следует использовать, когда пользователь предоставляет научную статью (PDF-файл, DOI, ссылку arXiv или заголовок) и запрашивает структурированный…
Как процесс C 59/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. 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 59/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 40Согласованность. Имя во frontmatter (literature-deep-read-report) не совпадает с папкой (deepreadtemplate)
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 85Шаги. Шагов: 44, расплывчатых формулировок: 1
- 100Стоимость исполнения. Тело инструкции 1448 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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 542 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 44 пунктов
- +3Формат ответа описан явно
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.