AC ai-capsule
Ранжирует вашу ежедневную новостную ленту ИИ по личной релевантности — оценивает каждую статью и выводит сначала наиболее полезные. Для получения сообщений X/Twitter ежедневный запуск считывает локальные куки-файлы Chrome x.com (через browser-cookie3, только в памяти) и вызывает подпроцесс twitter-cli; он может автоматически обнаруживать локальный прокси на 127.0.0.1 для доступа к x.com и записывает отчеты/историю/состояние дедупликации в ваш локальный data_dir. Источники включают HuggingFace Papers, OpenAI, Anthropic, DeepMind, Саймона Уиллисона, GitHub Trending, HN, Reddit и другие, а также аккаунты X/Twitter.
машинный переводПоказать оригиналСкрыть оригинал«Ranks your daily AI news feed by personal relevance — scores every art…»
Ranks your daily AI news feed by personal relevance — scores every article and surfaces the most useful ones first. To fetch X/Twitter posts, the daily run reads your local Chrome x.com cookies (via browser-cookie3, in-memory only) and calls the twitter-cli subprocess; it may auto-detect a local proxy on 127.0.0.1 to reach x.com, and writes reports/history/dedup state to your local data_dir. Sources include HuggingFace Papers, OpenAI, Anthropic, DeepMind, Simon Willison, GitHub Trending, HN, Reddit, and more, plus X/Twitter accounts.
Ранжирует вашу ежедневную новостную ленту ИИ по личной релевантности — оценивает каждую статью и выводит сначала наиболее полезные.
Как процесс C 55/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 0. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "emoji" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 55/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, read, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 85Шаги. Шагов: 36, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2683 токенов
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)
- +2Инструкции на одном языке
- +3Длина description 539 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 36 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (7 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.