SKILLEMALL.ai
GitHub ↗ EN Войти

BC rag-eval-harness

Методология оценки качества и проверки на галлюцинации для RAG-систем ответов на вопросы, используемая для ответов на такие вопросы, как «Точны ли ответы базы знаний?», «Будет ли он выдумывать?», «Стабилен ли он при смене модели?»

машинный переводПоказать оригиналСкрыть оригинал«RAG 问答系统的质量评估与防幻觉验证方法论，用于回答「知识库答得准不准」「它会不会胡编」「换了模型还稳不稳」这类问题…»

RAG 问答系统的质量评估与防幻觉验证方法论，用于回答「知识库答得准不准」「它会不会胡编」「换了模型还稳不稳」这类问题

ClawHub Hermes автор: zhaoxinghua09-cell v1.1.2 MIT-0 10 файлов тело ≈ 430 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Методология оценки качества и проверки на галлюцинации для RAG-систем ответов на вопросы, используемая для ответов на такие вопросы, как «Точны ли ответы базы…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent Cursor
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • 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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "title"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "languages"
  • заметка frontmatter-key неизвестное поле фронтматтера "aliases"
  • заметка frontmatter-key неизвестное поле фронтматтера "xiaping_category"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "updated"
  • заметка frontmatter-key неизвестное поле фронтматтера "fingerprint"
  • заметка frontmatter-key неизвестное поле фронтматтера "governance"
  • заметка frontmatter-key неизвестное поле фронтматтера "brand"
  • заметка frontmatter-key неизвестное поле фронтматтера "nomos_standard"
  • заметка frontmatter-key неизвестное поле фронтматтера "discoverable_by_ai"
  • заметка frontmatter-key неизвестное поле фронтматтера "attestation"
  • заметка frontmatter-key неизвестное поле фронтматтера "ambassador"
  • заметка frontmatter-key неизвестное поле фронтматтера "trigger_keywords"

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: 13
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 430 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)
  • +3Длина description 59: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +4Структура: 3 заголовков
  • +3Пошаговые инструкции: 13 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.

Внешние проверки

ClawHub: clean
The skill is a local RAG evaluation toolkit with disclosed scripts for reading a chosen knowledge base and writing local reports, and I found no hidden data sending or destructive behavior.
LLM: benign (high) · VirusTotal: · 31 авг. 2026 г.