AC lucid-skill
AI-анализ данных через естественный язык. Подключайте источники данных Excel, CSV, MySQL, PostgreSQL и запрашивайте с помощью SQL. Используйте, когда: (1) пользователь просит запросить, проанализировать или изучить данные ('查询数据', '数据分析', '帮我看下数据'), (2) пользователь предоставляет файлы Excel/CSV или учетные данные базы данных для анализа, (3) пользователь задает бизнес-вопросы о подключенных данных ('哪个产品销量最高', 'how do orders and customers relate?'), (4) пользователь хочет обнаружить связи между таблицами, JOINs или бизнес-домены, (5) пользователь хочет выполнить семантический поиск по таблицам. НЕ используйте для: изменения данных (INSERT/UPDATE/DELETE/DROP заблокированы — только запросы на чтение), ETL-конвейеров или загрузки данных, кроме подключения источников.
машинный переводПоказать оригиналСкрыть оригинал«AI-native data analysis via natural language. Connect Excel, CSV, MySQ…»
AI-native data analysis via natural language. Connect Excel, CSV, MySQL, PostgreSQL data sources and query with SQL. Use when: (1) user asks to query, analyze, or explore data ('查询数据', '数据分析', '帮我看下数据'), (2) user provides Excel/CSV files or database credentials for analysis, (3) user asks business questions about connected data ('哪个产品销量最高', 'how do orders and customers relate?'), (4) user wants to discover table relationships, JOINs, or business domains, (5) user wants semantic search across tables. NOT for: data modification (INSERT/UPDATE/DELETE/DROP are blocked — read-only queries only), ETL pipelines, or data ingestion beyond connecting sources.
AI-анализ данных через естественный язык.
Как процесс C 54/100 · 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: 49. 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 54/100
- 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
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 14
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 794 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 657 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 14 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.