AC paper-reading
Каркас для глубокого чтения научных статей на основе метода Восьми Элементов (八要素法): автор, учреждение, год, название, цель исследования, метод, результаты и собственные размышления читателя. Читает статью как диалог с автором и как узел в эволюции области — извлекая не только выводы, но и мысли, стоящие за ними (почему этот вопрос, почему этот метод, что говорят авторы о своих результатах), затем направляет критическую оценку (что решено, сильные и слабые стороны метода, куда двигаться дальше) и позиционирует статью на накопительной карте литературы читателя. Используйте, когда пользователь предоставляет статью (полный текст, путь к PDF, название, DOI или ссылку) и хочет глубоко ее прочитать (精读), разобрать (拆解), сделать заметки по литературе (文献笔记), оценить ее ценность или накопить карту литературы по статьям.
машинный переводПоказать оригиналСкрыть оригинал«Deep-reading framework for academic papers based on the Eight-Elements…»
Deep-reading framework for academic papers based on the Eight-Elements method (八要素法): author, institution, year, title, research purpose, method, results, and the reader's own immediate reflections. Reads a paper as a dialogue with the author and as one node in the field's evolution — extracting not just conclusions but the thinking behind them (why this question, why this method, what the authors' own analysis of the results says), then guides critical evaluation (what it solved, method strengths, weaknesses, where to go next) and positions the paper on the reader's cumulative literature map. Use when the user provides a paper (full text, PDF path, title, DOI, or link) and wants to read it deeply (精读), dissect it (拆解), make literature notes (文献笔记), judge its value, or accumulate a literature map across papers.
Каркас для глубокого чтения научных статей на основе метода Восьми Элементов (八要素法): автор, учреждение, год, название, цель исследования, метод, результаты и…
Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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
- заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
Процессный рейтинг: все десять параметров 52/100
- 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
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 47
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 852 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 822: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 47 пунктов
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.