AB self-learning-coach-deep
Глубокий самообучающийся тренер для ИИ-агентов. Используйте, когда пользователь хочет управляемого самообучения, выбора режима для быстрого/стандартного/глубокого обучения, более глубокого изучения бизнеса, уроков в стиле учебных материалов, детального обоснования источников, анализа бизнес-контекста, обучения на основе Feishu/внутренних документов, исследований с поддержкой веб/видео, диагностики случаев или "讲深一点/深入学习/结合业务/多引用资料/做培训材料". Создает выбранные пользователем пути обучения, HTML-уроки с обоснованием из источников и встроенными цитатами, сопоставление бизнес-сценариев, анализ случаев, практические задания, отслеживание прогресса и записи источников. Лучше всего работает для Feishu Miaoda/OpenClaw, оставаясь пригодным для использования в других агентах, которые могут создавать файлы.
машинный переводПоказать оригиналСкрыть оригинал«Deep self-learning coach for AI agents. Use when the user wants guided…»
Deep self-learning coach for AI agents. Use when the user wants guided self-learning, mode selection for quick/standard/deep study, deeper business learning, training-material style lessons, detailed source grounding, business-context analysis, Feishu/internal-document learning, web/video-supported research, case diagnosis, or "讲深一点/深入学习/结合业务/多引用资料/做培训材料". Produces user-selected learning paths, source-grounded HTML lessons with inline citations, business scenario mapping, case analysis, practice tasks, progress tracking, and source records. Works best for Feishu Miaoda/OpenClaw, while remaining usable in other agents that can create files.
Глубокий самообучающийся тренер для ИИ-агентов.
Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
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: 3. 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 65/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 79
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 9, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3957 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле
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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 647 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 79 пунктов
- +4Есть примеры (7 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.