AC ExtractWisdom
Извлечение знаний с адаптацией к контенту (разделы, построенные вокруг содержания, пять уровней глубины, обязательные контрарные мнения) и извлечение альфы (N идей с наивысшей альфой, совершенно новых, в виде кратких ранжированных тезисов) из видео, подкастов, статей, файлов или текста, из полного источника. ИСПОЛЬЗОВАТЬ КОГДА извлечь знания, ew, извлечь альфу, ea, идеи с наивысшей альфой, что нового в этом, проанализировать видео, проанализировать подкаст, извлечь инсайты, ключевые выводы, резюмировать интервью, обработать контент. НЕ ДЛЯ статичного шаблона извлечения знаний Fabric (использовать Fabric) или многоисточникового веб-расследования (Research).
машинный переводПоказать оригиналСкрыть оригинал«Content-adaptive wisdom extraction (sections built around what the con…»
Content-adaptive wisdom extraction (sections built around what the content holds, five depth levels, mandatory contrarian takes) and extract alpha (the N highest-alpha, net-new ideas as short ranked bullets) from videos, podcasts, articles, files or text, from the full source. USE WHEN extract wisdom, ew, extract alpha, ea, highest-alpha ideas, what is new in this, analyze video, analyze podcast, extract insights, key takeaways, summarize interview, distill content. NOT FOR static Fabric extract_wisdom pattern (use Fabric), or multi-source web investigation (Research).
Извлечение знаний с адаптацией к контенту (разделы, построенные вокруг содержания, пять уровней глубины, обязательные контрарные мнения) и извлечение альфы (N…
Как процесс C 58/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - заметка
frontmatter-keyнеизвестное поле фронтматтера "evals"
Процессный рейтинг: все десять параметров 58/100
- 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
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 6
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 833 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 575 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 6 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.