AA research-claim-ledger
Создавайте основанные на источниках реестры исследовательских утверждений из черновиков, матриц литературы, заметок, списков цитирований, PDF-файлов, пакетов источников или комментариев рецензентов. Используйте, когда пользователю необходимо проверить фактические, числовые, причинно-следственные, сравнительные, новизные, политические или зависящие от цитирования утверждения; найти неподтвержденные или чрезмерно заявленные утверждения; подготовить квитанцию об доказательствах для руководителя/соавтора/для общего доступа; отремонтировать рукопись перед подачей; расставить приоритеты в обзоре литературы; или преобразовать академические источники в отслеживаемую таблицу утверждений и источников без запуска полного конвейера исследовательской работы.
машинный переводПоказать оригиналСкрыть оригинал«Build source-backed research claim ledgers from drafts, literature mat…»
Build source-backed research claim ledgers from drafts, literature matrices, notes, citation lists, PDFs, source packets, or reviewer comments. Use when the user needs to audit factual, numerical, causal, comparative, novelty, policy, or citation-dependent claims; find unsupported or overclaimed statements; prepare a supervisor/coauthor/shareable evidence receipt; repair a manuscript before submission; triage a literature review; or turn academic sources into a traceable claim-to-source table without running a full research-paper pipeline.
Создавайте основанные на источниках реестры исследовательских утверждений из черновиков, матриц литературы, заметок, списков цитирований, PDF-файлов, пакетов…
Как процесс A 80/100 · Дойдёт до конца — слабые места: входы и предусловия, отчётность по ходу
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: 3. 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 80/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Ошибки и развилки. Развилок: 6
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 52
- 100Результат и критерий готовности. Формат результата и критерий готовности описаны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1867 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 545 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 52 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.