SKILLEMALL.ai

BF qdrant-scaling

Помогает принимать решения по масштабированию Qdrant. Используйте, когда кто-то спрашивает «сколько узлов мне нужно», «данные не помещаются на один узел», «нужна большая пропускная способность», «кластер работает медленно», «слишком много клиентов», «вертикальное или горизонтальное масштабирование», «как шардировать» или «нужно добавить мощности».

машинный переводПоказать оригиналСкрыть оригинал«Guides Qdrant scaling decisions. Use when someone asks 'how many nodes…»

Guides Qdrant scaling decisions. Use when someone asks 'how many nodes do I need', 'data doesn't fit on one node', 'need more throughput', 'cluster is slow', 'too many tenants', 'vertical or horizontal', 'how to shard', or 'need to add capacity'.

github/awesome-copilot Agent Skills автор: github MIT 1 файл тело ≈ 384 токенов Открыть источникgithub.com проанализирован 28 ч назад

Помогает принимать решения по масштабированию Qdrant.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scaling-data-volume/SKILL.md, scaling-qps/SKILL.md, minimize-latency/SKILL.md

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scaling-data-volume/SKILL.md, scaling-qps/SKILL.md, minimize-latency/SKILL.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: RA-Skills

Как улучшить

  1. 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 missing-ref ссылка на отсутствующий файл: scaling-data-volume/SKILL.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scaling-qps/SKILL.md
  • предупреждение missing-ref ссылка на отсутствующий файл: minimize-latency/SKILL.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scaling-query-volume/SKILL.md

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scaling-data-volume/SKILL.md, scaling-qps/SKILL.md, minimize-latency/SKILL.md
  • 0Инструменты и файлы. Не хватает 4 файла(ов): scaling-data-volume/SKILL.md, scaling-qps/SKILL.md, minimize-latency/SKILL.md
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 384 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 246 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 4 пунктов

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.