SKILLEMALL.ai

CB nist-stat-handbook

База знаний из электронного справочника NIST/SEMATECH по статистическим методам (NIST HB 151) — практическое руководство по статистике для инженерии, метрологии и качества. Используйте для: разведочного анализа данных и четырех унивариантных предположений (4-график); характеристики измерительного процесса, включая смещение/точность, планы калибровки, R&R измерительного оборудования и бюджеты неопределенности ISO/GUM; характеристики производственного процесса (стабильность против возможностей); моделирования процессов и регрессии (LS/WLS/NLS/LOESS); планирования экспериментов (скрининг, дробные/факторные, поверхность отклика, Тагучи); статистического контроля процессов (графики Shewhart/CUSUM/EWMA, индексы возможностей, выборочный контроль); сравнения продуктов/процессов (тесты гипотез и доверительные интервалы для 1/2/3+ групп, ANOVA, множественные сравнения); и надежности (модели времени жизни и интенсивности отказов, ускоренные испытания, рост надежности). Ограничения области применения: это прикладная частотная статистика для измерений и качества — она НЕ воспроизводит галереи формул по распределениям, разобранные примеры, наборы данных, изображения графиков или код Dataplot/R из оригинального веб-справочника (они описаны, но не скопированы); она мало затрагивает современное машинное обучение, байесовские методы за пределами сопряженных априорных вероятностей надежности, временные ряды/прогнозирование и байесовское планирование экспериментов.

машинный переводПоказать оригиналСкрыть оригинал«Knowledge base from the NIST/SEMATECH e-Handbook of Statistical Method…»

Knowledge base from the NIST/SEMATECH e-Handbook of Statistical Methods (NIST HB 151) — the practical statistics reference for engineering, metrology, and quality. Use for: exploratory data analysis and the four univariate assumptions (4-plot); measurement process characterization including bias/precision, calibration designs, gauge R&R, and ISO/GUM uncertainty budgets; production process characterization (stability vs. capability); process modeling and regression (LS/WLS/NLS/LOESS); design of experiments (screening, fractional/factorial, response-surface, Taguchi); statistical process control (Shewhart/CUSUM/EWMA charts, capability indices, acceptance sampling); product/process comparisons (hypothesis tests and confidence intervals for 1/2/3+ groups, ANOVA, multiple comparisons); and reliability (lifetime & repair-rate models, accelerated testing, reliability growth). Scope limits: this is applied frequentist statistics for measurement and quality — it does NOT reproduce the per-distribution formula galleries, worked case studies, datasets, plot images, or Dataplot/R code of the original web Handbook (those are described, not copied); it is thin on modern machine learning, Bayesian methods beyond conjugate reliability priors, time-series/forecasting, and Bayesian experimental design.

jgsystemsconsulting/jgs-se-knowledge-packs Agent Skills автор: jgsystemsconsulting 14 файлов тело ≈ 4 240 токенов Открыть источникgithub.com↗ проанализирован 9 ч назад

База знаний из электронного справочника NIST/SEMATECH по статистическим методам (NIST HB 151) — практическое руководство по статистике для инженерии…

Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

СправочникКачество и контрольДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
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: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1305 символов, лимит 1024

Процессный рейтинг: все десять параметров 65/100

  • 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
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 4240 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 51
  • 100Согласованность. Имя и обязательные поля на месте
  • 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)
  • +3Длина description 1305: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 51 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.