AF chinese-literacy-detection
Диалоговый навык для научной оценки уровня грамотности детей 3-12 лет. Через диалоговое взаимодействие, основываясь на стратегии стратифицированной выборки из 2500 высокочастотных иероглифов (покрывающих 98,5% корпуса) и механизме динамического отключения, точно оценивает уровень грамотности. Используйте, когда пользователю нужны следующие сценарии: (1) Оценка уровня грамотности / проверка уровня грамотности (2) Тест на распознавание иероглифов (3) Оценка словарного запаса (4) Объяснение научных принципов методов проверки грамотности (5) Повторение незнакомых слов после теста. Также подходит для родителей, говорящих «Сколько слов знает ребенок», «Проверь грамотность», «Каков уровень грамотности», «Грамотность какого класса», «Достаточно ли грамотности», «Сколько слов он должен знать», «Достигнут ли уровень грамотности», «Помоги ребенку повторить новые слова» и других повседневных выражений, а также английских выражений вроде «Chinese character recognition test». Даже если пользователь явно не упоминает «тест», этот навык следует использовать всякий раз, когда речь идет об оценке или повышении уровня распознавания иероглифов у ребенка.
машинный переводПоказать оригиналСкрыть оригинал«面向3-12岁儿童的汉字认字量科学检测对话技能。通过对话交互，基于2500高频汉字（覆盖98.5%语料）的6层分层抽样策略与动态熔断机制，精…»
面向3-12岁儿童的汉字认字量科学检测对话技能。通过对话交互，基于2500高频汉字（覆盖98.5%语料）的6层分层抽样策略与动态熔断机制，精准估算识字量。当用户需要以下场景时使用：(1) 识字量测评/认字量检测 (2) 汉字认读测试 (3) 词汇量估算 (4) 识字检测方法的科学原理说明 (5) 测试后不认识的字复习练习。也适用于家长说"孩子认识多少字""测测认字""识字水平怎么样""几年级识字水平""认字量够不够""应该认多少字了""识字量达标了吗""帮孩子复习生字"等日常表达，以及"Chinese character recognition test"等英文表达。即使用户没有明确提到"测试"，只要涉及评估或提升孩子的汉字认读能力，都应使用此技能。
Диалоговый навык для научной оценки уровня грамотности детей 3-12 лет.
Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/top_2500_chars_with_words.json
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 10. 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") - предупреждение
missing-refссылка на отсутствующий файл: assets/top_2500_chars_with_words.json
Процессный рейтинг: все десять параметров 35/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): assets/top_2500_chars_with_words.json
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Шаги. Шагов: 24
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1677 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 8 примера фраз-триггеров в кавычках
- +3Длина description 329 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +3Все 4 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.