SKILLEMALL.ai
GitHub ↗ EN Войти

CD citation-graph-ingest

Построение ТИПИЗИРОВАННОГО графа цитирования/ссылок поверх принятого корпуса — не просто эмбеддинги. Плоское извлечение сходства не может сказать вам, что документ A *отменяет* B, *различает* C или *основывается на* D. Этот навык извлекает каждую междокументную ссылку, классифицирует ТИП ребра с помощью суждений LLM и записывает первоклассные типизированные ребра через `gbrain link`, чтобы `gbrain graph-query --type` мог пройти по аргументу («все, на что опирается этот брифинг, минус все, что было отменено с тех пор»). Каждый корпус с большим количеством цитат имеет одинаковую структуру: законы, научные статьи, патенты, нормативные документы, библиография книги.

машинный переводПоказать оригиналСкрыть оригинал«Build a TYPED citation/reference graph over an ingested corpus — not j…»

Build a TYPED citation/reference graph over an ingested corpus — not just embeddings. Flat similarity retrieval cannot tell you that document A *overrules* B, *distinguishes* C, or *relies_on* D. This skill extracts every inter-document reference, classifies the edge TYPE with LLM judgment, and writes first-class typed edges via `gbrain link`, so `gbrain graph-query --type` can walk the argument ("everything this brief relies on, minus anything overruled since"). Every cite-heavy corpus is the same shape: law, academic papers, patents, regulatory filings, a book's bibliography.

garrytan/gbrain Agent Skills автор: garrytan MIT 1 файл тело ≈ 2 735 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Построение ТИПИЗИРОВАННОГО графа цитирования/ссылок поверх принятого корпуса — не просто эмбеддинги.

Как процесс D 49/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/regex-discipline.md, ../conventions/test-before-bulk.md

ГенераторИсследованиятип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/regex-discipline.md, ../conventions/test-before-bulk.md
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: gbrain

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/brain-first.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/regex-discipline.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/test-before-bulk.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/untrusted-content.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/agent-operator-protocol.md
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"
  • заметка frontmatter-key неизвестное поле фронтматтера "requires"
  • заметка frontmatter-key неизвестное поле фронтматтера "mutating"
  • заметка frontmatter-key неизвестное поле фронтматтера "writes_pages"
  • заметка frontmatter-key неизвестное поле фронтматтера "upstream"

Процессный рейтинг: все десять параметров 49/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/regex-discipline.md, ../conventions/test-before-bulk.md
  • 0Инструменты и файлы. Не хватает 5 файла(ов): ../conventions/brain-first.md, ../conventions/regex-discipline.md, ../conventions/test-before-bulk.md
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2735 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (7 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
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 584 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.