AC signal-intelligence-pack
Группа универсальных навыков предварительной подготовки LLM (grounding). Перед формальным анализом, суждением, отчетом или планированием разбивает проблему на выполнимые запросы, выбирает правильные источники, очищает доказательства, отмечает свежесть и добавляет опровергающие доказательства. Внутренне последовательно связывает 5 независимых навыков: query-planner → source-router → evidence-cleaner → freshness-judge → counter-evidence-hunter. Применяется для стратегического анализа, исследовательских агентов, поисковых агентов, анализа рынка/политики, финансовых/новостных/разведывательных прогнозов и других сценариев «сначала поиск, потом суждение». Условия срабатывания: задача зависит от внешней информации, требуется многоисточниковая подготовка, выводы не могут основываться только на интуиции, подвержены временным окнам, существует явный риск одностороннего повествования.
машинный переводПоказать оригиналСкрыть оригинал«LLM通用前置grounding技能组。在正式分析、判断、报告或规划之前，将问题拆解为可执行查询、选对来源、洗净证据、标清新鲜度、补上反证。…»
LLM通用前置grounding技能组。在正式分析、判断、报告或规划之前，将问题拆解为可执行查询、选对来源、洗净证据、标清新鲜度、补上反证。内部固定串联5个独立技能：query-planner → source-router → evidence-cleaner → freshness-judge → counter-evidence-hunter。适用于战略分析、research agent、搜索型agent、市场/政策分析、金融/新闻/情报推演等"先搜再判"场景。触发条件：任务依赖外部信息、需要多源grounding、结论不能只靠直觉生成、受时间窗影响、存在明显单线叙事风险。
Группа универсальных навыков предварительной подготовки LLM (grounding).
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 7. 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")
Процессный рейтинг: все десять параметров 53/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 20
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 814 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 293 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 20 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 5)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.