AC stream-ai-answer
Универсальный потоковый ИИ-навык для поиска и ответов — предоставляет четырехэтапный потоковый интерфейс для взаимодействия в любой отрасли. Сценарии запуска: пользователь вводит ключевые слова → ИИ автоматически выполняет: понимание намерения → поиск в базе знаний → потоковая генерация → маркировка источника → полный ответ. Активируется при необходимости реализации любого из следующих сценариев: (1) Поисковая строка ИИ / реинжиниринг компонента интеллектуальной консультации (2) Ответы на вопросы по базе знаний (вертикальные области, такие как медицина/юриспруденция/финансы/образование) (3) Потоковые ответы + визуализация пошагового процесса мышления (4) Ответы ИИ с цитированием источников (PubMed/DOI/документы/базы данных) (5) Четырехэтапная карточка анализа в стиле DeepSeek (6) Любой проект, требующий прозрачного процесса ИИ «думай и говори на ходу» Применимые отрасли: медицина, юриспруденция, финансы, образование, энергетика, государственное управление, производство и т. д. Типы проектов: React H5/WebApp, корпоративные базы знаний, системы обслуживания клиентов, платформы для консультаций, центры популяризации науки, ИИ-помощники CRM/ERP.
машинный переводПоказать оригиналСкрыть оригинал«通用流式AI检索问答技能 — 为任意行业应用提供四步流式分析交互界面。 触发场景：用户输入关键词 → AI自动执行：理解意图 → 检索知识库…»
通用流式AI检索问答技能 — 为任意行业应用提供四步流式分析交互界面。 触发场景：用户输入关键词 → AI自动执行：理解意图 → 检索知识库 → 流式生成 → 来源标记 → 完整回答。 当需要实现以下任意场景时激活： (1) AI搜索框 / 智能咨询组件重构 (2) 知识库问答（医疗/法律/金融/教育等垂直领域） (3) 流式回答 + 分步思考过程可视化 (4) 带来源引用的AI回答（PubMed/DOI/文档/数据库） (5) DeepSeek风格四步分析卡片 (6) 任何需要"边想边说"透明AI过程的项目 适用行业：医疗、法律、金融、教育、能源、政务、制造等 适配项目类型：React H5/WebApp、企业知识库、客服系统、问诊平台、科普中心、CRM/ERP AI助手
Универсальный потоковый ИИ-навык для поиска и ответов — предоставляет четырехэтапный потоковый интерфейс для взаимодействия в любой отрасли.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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: 27
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 887 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- -237 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 341 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.