AB autoimprove
Автономный цикл оптимизации, который улучшает все измеримое. Укажите ему файлы для изменения, команду для проверки и число для улучшения — затем отойдите. Работает с любым ИИ-агентом. Используйте, когда пользователь хочет автономно оптимизировать производительность кода, обучение ML, образы Docker, SQL-запросы, промпты, скорость CI, размер пакета, конфигурации Kubernetes или любую область с измеримым показателем. Триггеры включают запросы вроде «optimize this», «improve performance», «make this faster», «reduce allocations», «autoimprove», «run the optimization loop», «let it run overnight», или когда у пользователя есть файл improve.md.
машинный переводПоказать оригиналСкрыть оригинал«Autonomous optimization loop that improves any measurable thing. Point…»
Autonomous optimization loop that improves any measurable thing. Point it at files to change, a command to check, and a number to improve — then walk away. Works with any AI agent. Use when the user wants to autonomously optimize code performance, ML training, Docker images, SQL queries, prompts, CI speed, bundle size, Kubernetes configs, or any domain with a measurable score. Triggers include requests like 'optimize this', 'improve performance', 'make this faster', 'reduce allocations', 'autoimprove', 'run the optimization loop', 'let it run overnight', or when the user has an improve.md file.
Автономный цикл оптимизации, который улучшает все измеримое.
Как процесс B 77/100 · Почти готов — слабые места: стоимость исполнения, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 9034 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 77/100
- 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 9034 токенов: вытесняет саму задачу из окна
- 60Инструменты и файлы. Используются инструменты (bash, git, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 121
- 100Входы и предусловия. Входные данные и предусловия перечислены
- 100Ошибки и развилки. Развилок: 5, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее
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)
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 601 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 37 заголовков
- +3Пошаговые инструкции: 121 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (21 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.