SKILLEMALL.ai
GitHub ↗ EN Войти

AD qdrant-sliding-time-window

Руководство по масштабированию с использованием скользящего временного окна в Qdrant. Используйте, когда кто-то спрашивает: «имеют значение только недавние данные», «как удалить старые векторы», «ротация данных по времени», «эффективно удалять старые данные», «поиск в ленте социальных сетей», «поиск новостей», «поиск журналов с удержанием данных» или «как хранить только последние N месяцев данных».

машинный переводПоказать оригиналСкрыть оригинал«Guides sliding time window scaling in Qdrant. Use when someone asks 'o…»

Guides sliding time window scaling in Qdrant. Use when someone asks 'only recent data matters', 'how to expire old vectors', 'time-based data rotation', 'delete old data efficiently', 'social media feed search', 'news search', 'log search with retention', or 'how to keep only last N months of data'.

github/awesome-copilot Agent Skills автор: github MIT 1 файл тело ≈ 1 030 токенов Открыть источникgithub.com↗ проанализирован 28 ч назад

Руководство по масштабированию с использованием скользящего временного окна в Qdrant.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураМаркетингТексты 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
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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 49/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 18, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (qdrant-sliding-time-window) не совпадает с папкой (sliding-time-window)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 26
    • 100Стоимость исполнения. Тело инструкции 1030 токенов
    • high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком

    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 300 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 26 пунктов

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