SKILLEMALL.ai

BC Calibrate

Калибрует любую оценку под вкус принципала: принимает задачу простыми словами, находит соответствующие наборы оценок и цели, предлагает их в качестве вариантов, затем показывает N реальных результатов (изображения или текст, по умолчанию 16, любое количество, например 4, 24 или 64) на локальной странице обзора, собирает оценку от 0 до 10 за каждый результат плюс необязательные текстовые заметки, измеряет, насколько судья согласен, создает профиль вкуса, который судья читает с этого момента, и переоценивает, чтобы доказать изменение. ИСПОЛЬЗОВАТЬ ДЛЯ: калибровка, калибровка 16, калибровка 64, калибровка публикаций в соцсетях, калибровка арт-судьи, калибровка этой оценки, показать результаты для оценки, оценить эти изображения, научить оценку тому, что мне нравится, настроить оценку под мой вкус, что судья неправильно понимает мой вкус, сеанс калибровки. НЕ ДЛЯ: измерения судьи набора по существующим меткам без сеанса (Assay Calibrate), записи одного вердикта по одному предоставленному артефакту (ArtDirection Calibrate), или производства самих артефактов (Art).

машинный переводПоказать оригиналСкрыть оригинал«Calibrates any eval against the principal's own taste: takes a task in…»

Calibrates any eval against the principal's own taste: takes a task in plain words, finds the eval suites and targets that cover it and offers them as options, then shows N real outputs (images or text, default 16, any count like 4, 24 or 64) on a local review page, collects a 0–10 score per output plus optional typed notes, measures how well the judge agrees, distills a taste profile the judge reads from then on, and rescores to prove the change. USE WHEN calibrate, calibrate 16, calibrate 64, calibrate social posts, calibrate the art judge, calibrate this eval, show me outputs to rate, rate these images, teach the eval what I like, tune the eval to my taste, what does the judge get wrong about my taste, calibration session. NOT FOR measuring a suite's judge against existing labels without a session (Assay Calibrate), recording one verdict on one delivered artifact (ArtDirection Calibrate), or producing the artifacts themselves (Art).

danielmiessler/Personal_AI_Infrastructure Agent Skills автор: danielmiessler 9 файлов · 2 скрипта тело ≈ 2 275 токенов Открыть источникgithub.com↗ проанализирован 27 ч назад

Калибрует любую оценку под вкус принципала: принимает задачу простыми словами, находит соответствующие наборы оценок и цели, предлагает их в качестве…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторДанные и аналитикаИИ и агентыМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "evals"

    Процессный рейтинг: все десять параметров 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 20
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2275 токенов
    • low Ответ описан самодельной разметкой (5 тегов): типизированный вызов надёжнее

    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
    • +3Длина description 949: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.