AC ollama-herd
Маршрутизатор мультимодальных моделей Ollama для Llama, Qwen, DeepSeek, Phi и Mistral — плюс генерация изображений mflux, преобразование речи в текст и эмбеддинги. Локальный ИИ Ollama с самостоятельным хостингом (macOS, Linux, Windows) с оценкой 7-сигналов, управлением очередью Ollama, панелью мониторинга в реальном времени и мониторингом состояния Ollama. Маршрутизирует запросы Ollama LLM, изображений, STT и эмбеддингов между устройствами macOS, Linux и Windows. Ollama本地推理路由 | Ollama enrutador IA local. Используйте, когда пользователь спрашивает о своем парке Ollama, маршрутизации инференса Ollama, статусе узлов Ollama или производительности парка Ollama.
машинный переводПоказать оригиналСкрыть оригинал«Ollama multimodal model router for Llama, Qwen, DeepSeek, Phi, and Mis…»
Ollama multimodal model router for Llama, Qwen, DeepSeek, Phi, and Mistral — plus mflux image generation, speech-to-text, and embeddings. Self-hosted Ollama local AI (macOS, Linux, Windows) with 7-signal scoring, Ollama queue management, real-time dashboard, and Ollama health monitoring. Routes Ollama LLM, image, STT, and embedding requests across macOS, Linux, and Windows devices. Ollama本地推理路由 | Ollama enrutador IA local. Use when the user asks about their Ollama fleet, Ollama inference routing, Ollama node status, or Ollama fleet performance.
Маршрутизатор мультимодальных моделей Ollama для Llama, Qwen, DeepSeek, Phi и Mistral — плюс генерация изображений mflux, преобразование речи в текст и…
Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия
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
- заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 64/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 60Инструменты и файлы. Используются инструменты (web, node), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 42
- 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2557 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 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
- +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
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 550 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 29 заголовков
- +3Пошаговые инструкции: 42 пунктов
- +4Есть примеры (16 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.