BC scientific-data-preprocessing
⚠️ КРИТИЧЕСКИЙ НАВЫК, ОСНОВАННЫЙ НА ПОЛЬЗОВАТЕЛЬСКОМ ОПЫТЕ - ВСЕГДА КОНСУЛЬТИРУЙТЕСЬ ПЕРЕД ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКОЙ ДАННЫХ ⚠️ Предотвращает катастрофические ошибки (уровень ошибок 88,9% в исследовании случая V1.0) посредством многоуровневого анализа признаков, обнаружения утечки данных и семантической валидации. ОБЯЗАТЕЛЬНО для: предварительной обработки данных, инжиниринга признаков, стандартизации, нормализации, интерполяции, обработки пропущенных значений, отбора признаков или ЛЮБОЙ задачи преобразования данных. Охватывает сгруппированные временные ряды, поперечные данные, панельные данные. Обнаруживает: утечку времени, причинную инверсию, неправильное использование идентификаторов, семантико-числовые заблуждения, слепоту к распределению. Тщательно извлеченные уроки пользователя из реальных неудач проектов.
машинный переводПоказать оригиналСкрыть оригинал«⚠️ CRITICAL USER EXPERIENCE-BASED SKILL - ALWAYS CONSULT BEFORE DATA P…»
⚠️ CRITICAL USER EXPERIENCE-BASED SKILL - ALWAYS CONSULT BEFORE DATA PREPROCESSING ⚠️ Prevents catastrophic errors (88.9% error rate in V1.0 case study) through multi-level feature analysis, data leakage detection, and semantic validation. MANDATORY for: data preprocessing, feature engineering, standardization, normalization, interpolation, missing value handling, feature selection, or ANY data transformation task. Covers grouped time-series, cross-sectional, panel data. Detects: time travel leakage, causal inversion, ID misuse, semantic-numeric fallacies, distribution blindness. User's hard-won lessons from real project failures.
⚠️ КРИТИЧЕСКИЙ НАВЫК, ОСНОВАННЫЙ НА ПОЛЬЗОВАТЕЛЬСКОМ ОПЫТЕ - ВСЕГДА КОНСУЛЬТИРУЙТЕСЬ ПЕРЕД ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКОЙ ДАННЫХ ⚠️ Предотвращает катастрофические…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, 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: 8. 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 58/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 4782 токенов
- 85Шаги. Шагов: 84, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- -214 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 638 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 27 заголовков
- +3Пошаговые инструкции: 84 пунктов
- +4Есть примеры (18 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.