SKILLEMALL.ai
GitHub ↗ EN Войти

CD two-tier-extraction

Многоуровневый шаблон извлечения LLM для обработки больших корпусов (архивы электронной почты, дампы документов, библиотеки транскриптов). Модель служебного уровня быстро сортирует и классифицирует; уровень рассуждений выполняет стандартное глубокое чтение; глубокий уровень — это эскалация для наиболее ценного контента. Предотвращает трату денег на глубокий уровень для шума, гарантируя при этом, что важный контент получает лучшие «глаза». Детерминированная стена конфиденциальности работает перед любым вызовом LLM.

машинный переводПоказать оригиналСкрыть оригинал«Tiered LLM extraction pattern for large corpus processing (email archi…»

Tiered LLM extraction pattern for large corpus processing (email archives, document dumps, transcript libraries). A utility-tier model triages and classifies at speed; the reasoning tier does the default deep read; the deep tier is the escalation for the highest-value content. Prevents spending deep-tier money on noise while ensuring the important content gets the best eyes. A deterministic privacy wall runs before any LLM call.

garrytan/gbrain Agent Skills автор: garrytan MIT 1 файл тело ≈ 4 179 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Многоуровневый шаблон извлечения LLM для обработки больших корпусов (архивы электронной почты, дампы документов, библиотеки транскриптов).

Как процесс D 45/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/model-routing.md, ../conventions/test-before-bulk.md

ПроцедураИИ и агентытип 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
45/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/model-routing.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/model-routing.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/test-before-bulk.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../_brain-filing-rules.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/untrusted-content.md
  • предупреждение missing-ref ссылка на отсутствующий файл: ../conventions/regex-discipline.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 "mutating"
  • заметка frontmatter-key неизвестное поле фронтматтера "writes_pages"
  • заметка frontmatter-key неизвестное поле фронтматтера "writes_to"
  • заметка frontmatter-key неизвестное поле фронтматтера "upstream"

Процессный рейтинг: все десять параметров 45/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: ../conventions/brain-first.md, ../conventions/model-routing.md, ../conventions/test-before-bulk.md
  • 0Инструменты и файлы. Не хватает 7 файла(ов): ../conventions/brain-first.md, ../conventions/model-routing.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
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 4179 токенов
  • 100Шаги. Шагов: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле

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 432 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (6 блоков кода)

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