SKILLEMALL.ai

AC input-systems

Проектируйте игровой ввод — сопоставление действий (абстрагирование клавиш в именованные действия), переназначение с обнаружением конфликтов и сохранением, поддержка нескольких устройств (клавиатура, геймпад, сенсорный экран), аналоговые мертвые зоны и функции ощущений, такие как буферизация ввода и время койот, плюс доступность. Нейтрально для движков. Используйте, когда пользователь упоминает сопоставление ввода, переназначение элементов управления, поддержку геймпада, мертвую зону, буферизацию ввода, время койот или доступные элементы управления.

машинный переводПоказать оригиналСкрыть оригинал«Architect game input — action mapping (abstracting keys into named act…»

Architect game input — action mapping (abstracting keys into named actions), rebinding with conflict detection and persistence, multi-device support (keyboard, gamepad, touch), analog deadzones, and feel features like input buffering and coyote time, plus accessibility. Engine-neutral. Use when the user mentions input mapping, rebind controls, gamepad support, deadzone, input buffering, coyote time, or accessible controls.

gamedev-skills/awesome-gamedev-agent-skills Agent Skills автор: gamedev-skills Apache-2.0 2 файла тело ≈ 1 791 токенов Открыть источникgithub.com проанализирован 2 дн назад

Проектируйте игровой ввод — сопоставление действий (абстрагирование клавиш в именованные действия), переназначение с обнаружением конфликтов и сохранением…

Как процесс C 64/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
64/100
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: 2. 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 64/100

    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 23
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1791 токенов

    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 426 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.