SKILLEMALL.ai
GitHub ↗ EN Войти

CD nuremberg-tokyo-jeanne-sulzer

Методология проверки для послевоенных трибуналов: Международный военный трибунал в Нюрнберге, двенадцать Нюрнбергских военных трибуналов и Международный военный трибунал для Дальнего Востока в Токио. Цитирование проверяется по официальным записям (серии Blue/Green, Pritchard-Zaide) и цифровым архивам (Avalon, Harvard NTP, UVA IMTFE). Предотвращает четыре классические ловушки (IMT против NMT; Нюрнберг против Токио; номера статей Устава; решение большинства против отдельных мнений, например, особое мнение Пала). Помощь в исследованиях, а не юридическая консультация. Часть библиотеки с открытым исходным кодом «Skills for International Justice» — методология: github.com/jeannesulzer/international-criminal-tribunals-skills

машинный переводПоказать оригиналСкрыть оригинал«Verification-first methodology for the post-WWII tribunals: the IMT at…»

Verification-first methodology for the post-WWII tribunals: the IMT at Nuremberg, the twelve Nuremberg Military Tribunals, and the IMTFE at Tokyo. Citations are verified against the official records (Blue/Green Series, Pritchard-Zaide) and the digital archives (Avalon, Harvard NTP, UVA IMTFE). Guards the four classic traps (IMT vs NMT; Nuremberg vs Tokyo; Charter article numbers; majority judgment vs separate opinions, e.g. the Pal dissent). Research aid, not legal advice. Part of the open-source "Skills for International Justice" library — methodology: github.com/jeannesulzer/international-criminal-tribunals-skills

lawve-ai/awesome-legal-skills Agent Skills автор: lawve-ai 11 файлов тело ≈ 5 011 токенов Открыть источникgithub.com↗ проанализирован 57 мин назад

Методология проверки для послевоенных трибуналов: Международный военный трибунал в Нюрнберге, двенадцать Нюрнбергских военных трибуналов и Международный…

Как процесс D 40/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторGitHubИсследованиятип 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
C
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
D
40/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5011 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 125): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 40/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (nuremberg-tokyo-jeanne-sulzer) не совпадает с папкой (nuremberg-tokyo-tribunals-jeanne-sulzer)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5011 токенов
  • 85Шаги. Шагов: 91, расплывчатых формулировок: 1
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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 623 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 91 пунктов
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.