SKILLEMALL.ai
GitHub ↗ EN Войти

AC qdrant-search-speed-optimization

Диагностика и устранение медленного поиска в Qdrant. Используйте, когда кто-то сообщает: «поиск медленный», «высокая задержка», «запросы занимают слишком много времени», «низкий QPS», «пропускная способность слишком низкая», «поиск с фильтрацией медленный» или «поиск был быстрым, а теперь стал медленным». Также используйте, когда производительность поиска снижается после изменения конфигурации или роста данных.

машинный переводПоказать оригиналСкрыть оригинал«Diagnoses and fixes slow Qdrant search. Use when someone reports 'sear…»

Diagnoses and fixes slow Qdrant search. Use when someone reports 'search is slow', 'high latency', 'queries take too long', 'low QPS', 'throughput too low', 'filtered search is slow', or 'search was fast but now it's slow'. Also use when search performance degrades after config changes or data growth.

github/awesome-copilot Agent Skills автор: github MIT 1 файл тело ≈ 1 091 токенов Открыть источникgithub.com↗ проанализирован 27 ч назад

Диагностика и устранение медленного поиска в Qdrant.

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
Запускается в: GitHub Copilot / VS Code Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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: 1. 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 54/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 40Согласованность. Имя во frontmatter (qdrant-search-speed-optimization) не совпадает с папкой (search-speed-optimization)
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 30
    • 100Стоимость исполнения. Тело инструкции 1091 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 302 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 30 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.