SKILLEMALL.ai

BC nasa-risk

Пакет знаний, синтезированный из Руководства NASA по управлению рисками, версия 2.0 (ноябрь 2024 г.; NASA/SP-20240014019 Часть 1, NASA/SP-20240014326 Часть 2): RIDM, CRM и лидерство в области рисков. ОГРАНИЧЕНИЯ ОБЛАСТИ ПРИМЕНЕНИЯ: единственный источник (два тома ноября 2024 г.); методы PRA для предметной области (деревья отказов, деревья событий, байесовский вывод) не входят в этот пакет, см. nasa-pra (NASA/SP-2011-3421); NPR 8000.4, NPD 1000.0, NPR 7120.5 и NPR 8715.3 названы, не цитируются; реконструированные справочные заметки, а не руководство NASA, и нет одобрения NASA.

машинный переводПоказать оригиналСкрыть оригинал«Knowledge pack synthesized from NASA Risk Management Handbook, Version…»

Knowledge pack synthesized from NASA Risk Management Handbook, Version 2.0 (November 2024; NASA/SP-20240014019 Part 1, NASA/SP-20240014326 Part 2): RIDM, CRM, and risk leadership. SCOPE LIMITS: single-source (the two November 2024 volumes); domain PRA methods (fault trees, event trees, Bayesian inference) are not this pack, see nasa-pra (NASA/SP-2011-3421); NPR 8000.4, NPD 1000.0, NPR 7120.5, and NPR 8715.3 named, not quoted; reconstructed reference notes, not NASA guidance, and no NASA endorsement.

jgsystemsconsulting/jgs-se-knowledge-packs Agent Skills автор: jgsystemsconsulting 13 файлов тело ≈ 1 957 токенов Открыть источникgithub.com↗ проанализирован 2 ч назад

Пакет знаний, синтезированный из Руководства NASA по управлению рисками, версия 2.0 (ноябрь 2024 г.; NASA/SP-20240014019 Часть 1, NASA/SP-20240014326 Часть…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

СправочникПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
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: 13. 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 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 31
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1957 токенов

    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
    • +2Инструкции на одном языке
    • +3Длина description 504 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 31 пунктов
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.