SKILLEMALL.ai
GitHub ↗ EN Войти

DC sebok

База знаний, синтезированная из Руководства по базе знаний по системной инженерии (SEBoK) v2.14 проектом BKCASE. Используйте для установленного канона системной инженерии: основы и фундамент SE (системные науки, системное мышление, системный подход, моделирование/MBSE), жизненный цикл (процесс ISO/IEC/IEEE 15288/24748/24774, разработка и гибкие подходы, выбор/адаптация модели), техническое управление, определение концепции, архитектура/реализация (Vee), V&V, обслуживание/поддержка, стандарты SE и контексты применения (продукт, услуга, предприятие, системы систем, здравоохранение), а также обеспечивающая SE (бизнес/команда/индивидуальная), смежные дисциплины, атрибуты качества/специализированная инженерия, примеры реализации и новые знания. Хорошо подходит для обоснования фона, словарного запаса и позиций предыдущего искусства во всех восьми частях SEBoK. ОГРАНИЧЕНИЯ ОБЛАСТИ ПРИМЕНЕНИЯ: этот пакет только SEBoK v2.14 (выпущен 18.05.2026); он синтезирует и указывает на источники, а не воспроизводит их — он не воспроизводит текст стандарта ISO/IEC/IEEE, является кураторским руководством (а не полным учебником) и содержит мало глубины интеграции ИИ (Часть 8 — это зона ожидания, а не устоявшаяся практика). ЛИЦЕНЗИЯ: контент CC BY-NC-SA 3.0 — только некоммерческое использование, требуется указание авторства проекту BKCASE, обязательства по совместному использованию сохраняются.

машинный переводПоказать оригиналСкрыть оригинал«Knowledge base synthesized from the Guide to the Systems Engineering B…»

Knowledge base synthesized from the Guide to the Systems Engineering Body of Knowledge (SEBoK) v2.14 by the BKCASE Project. Use for the established systems-engineering canon: SE fundamentals and foundations (systems science, systems thinking, the systems approach, modelling/MBSE), the life cycle (ISO/IEC/IEEE 15288/24748/24774 process, development & agile approaches, model selection/tailoring), technical management, concept definition, architecture/realization (the Vee), V&V, maintenance/sustainment, SE standards, and the application contexts (product, service, enterprise, systems-of-systems, healthcare), plus enabling SE (business/team/individual), related disciplines, quality attributes/specialty engineering, implementation examples, and emerging knowledge. Good for grounding background, vocabulary, and prior-art positions across all eight SEBoK Parts. SCOPE LIMITS: this pack is SEBoK v2.14 only (released 2026-05-18); it synthesizes and signposts rather than reproducing the source — it does not reproduce ISO/IEC/IEEE standard text, is a curated guide (not a complete textbook), and is thin on AI-integration depth (Part 8 is a staging area, not settled practice). LICENCE: content is CC BY-NC-SA 3.0 — non-commercial use only, attribution to the BKCASE Project required, share-alike obligations carry forward.

jgsystemsconsulting/jgs-se-knowledge-packs Agent Skills автор: jgsystemsconsulting 42 файла тело ≈ 5 255 токенов Открыть источникgithub.com↗ проанализирован 28 ч назад

База знаний, синтезированная из Руководства по базе знаний по системной инженерии (SEBoK) v2.14 проектом BKCASE. Используйте для установленного канона…

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

СправочникИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
D
77/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
43
Прогон на моделях
не было
Процессный рейтинг
C
56/100
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

  1. Сократите description до 1024 символов.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 42. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1327 символов, лимит 1024
  • предупреждение body-long тело SKILL.md ≈ 5255 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 56/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5255 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 101
  • 100Согласованность. Имя и обязательные поля на месте

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 1327: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 101 пунктов
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 43.