SKILLEMALL.ai

BB FirstPrinciples

Фреймворк для рассуждений на основе физики (методология Маска), который деконструирует проблему до неделимых фундаментальных истин, классифицирует каждый элемент как жесткое ограничение, мягкое ограничение или предположение, а затем реконструирует оптимальное решение, основываясь только на фундаментальных принципах. ИСПОЛЬЗОВАТЬ КОГДА: первые принципы, фундаментальные истины, проверка предположений, реальные ограничения, перестроить с нуля, начать заново, сначала физика, ставить все под сомнение, рассуждение по аналогии. НЕ ИСПОЛЬЗОВАТЬ ДЛЯ: циклов обратной связи по структуре (использовать SystemsThinking).

машинный переводПоказать оригиналСкрыть оригинал«Physics-based reasoning framework (Musk methodology) that deconstructs…»

Physics-based reasoning framework (Musk methodology) that deconstructs a problem to irreducible fundamental truths, classifies every element as hard constraint, soft constraint, or assumption, then reconstructs the optimal solution from fundamentals alone. USE WHEN first principles, fundamental truths, challenge assumptions, real constraint, rebuild from scratch, start over, physics first, question everything, reasoning by analogy. NOT FOR structural feedback loops (use SystemsThinking).

danielmiessler/Personal_AI_Infrastructure Agent Skills автор: danielmiessler MIT 4 файла тело ≈ 1 881 токенов Открыть источникgithub.com↗ проанализирован 14 мин назад

Фреймворк для рассуждений на основе физики (методология Маска), который деконструирует проблему до неделимых фундаментальных истин, классифицирует каждый…

Как процесс B 65/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ПроцедураИсследованияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
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: 4. 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 65/100

    • 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
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 10
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1881 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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 492 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.