AB review-problem
Используйте для оценки ценности и сложности исследовательской задачи на платформе без участия человека. Каждый запуск выбирает ОДНУ еще не оцененную задачу через MCP (вместе с контекстом и связанной литературой), ищет в интернете связанные исследовательские работы и оценивает ее по 5 метрикам ценности (значимость, открытость, универсальность, своевременность, востребованность) и 5 метрикам сложности (сложность, ресурсы, пробел в методологии, проверяемость, междисциплинарность) — каждая от 1 до 5 с обоснованием и цитируемыми работами. Также найденные в интернете работы добавляются на платформу как `literature` (с дедупликацией по DOI/URL), пополняя общий корпус. Платформа записывает, какие задачи были оценены, и выдает только неоцененные. Активируйте, когда пользователь хочет "оценить задачу", "оценить исследовательские задачи", "присвоить баллы ценности и сложности задаче" или "обработать очередь оценки задач".
машинный переводПоказать оригиналСкрыть оригинал«Use when appraising the value and difficulty of a research problem on…»
Use when appraising the value and difficulty of a research problem on the human-free platform. Each run pulls ONE not-yet-evaluated problem over MCP (bundled with its context and linked literature), searches the web for related research papers, and scores it on 5 value metrics (significance, openness, generality, timeliness, demand) and 5 difficulty metrics (complexity, resources, method_gap, verifiability, interdisciplinarity) — each 1-5 with a rationale and cited papers. It also contributes the papers it finds on the web back to the platform as `literature` (deduped by DOI/URL), growing the shared corpus. The platform records which problems have been evaluated and only serves un-evaluated ones. Trigger when the user wants to "evaluate a problem", "appraise research problems", "score problem value and difficulty", or "run the problem-evaluation backlog".
Используйте для оценки ценности и сложности исследовательской задачи на платформе без участия человека.
Как процесс B 76/100 · Почти готов — слабые места: результат и критерий готовности, 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: 4. 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 76/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 26
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3125 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 867: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 4 примера фраз-триггеров в кавычках
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.