BF agent-evals-and-observability
Разработка, проведение, обзор или выпуск независимых от фреймворков и поставщиков оценок и наблюдаемости для ИИ-агентов. Используйте при определении оценок агентов, наборов данных, оценщиков, обзора траекторий, регрессионного анализа, этапов выпуска, производственных трассировок или телеметрии с учетом конфиденциальности. Охватывает контракты задач и траекторий, статистические сравнения и обучение на основе инцидентов; при необходимости передавайте реализацию фреймворка в pydanticai или langgraph. Не используйте этот навык для несвязанных запросов; обращайтесь к ближайшему специализированному специалисту.
машинный переводПоказать оригиналСкрыть оригинал«Design, run, review, or release framework- and vendor-neutral evaluati…»
Design, run, review, or release framework- and vendor-neutral evaluations and observability for AI agents. Use when defining agent evals, datasets, graders, trajectory review, regression analysis, release gates, production traces, or privacy-aware telemetry. Covers task and trajectory contracts, statistical comparisons, and incident-to-case learning; route framework implementation to pydanticai or langgraph when needed. Do not use this skill for unrelated requests; route to the nearest named specialist.
Разработка, проведение, обзор или выпуск независимых от фреймворков и поставщиков оценок и наблюдаемости для ИИ-агентов.
Как процесс F 39/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: ../release-engineering/SKILL.md, ../system-one/SKILL.md, ../supabase/references/agent-evals.md
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 23. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
missing-refссылка на отсутствующий файл: ../release-engineering/SKILL.md - предупреждение
missing-refссылка на отсутствующий файл: ../system-one/SKILL.md - предупреждение
missing-refссылка на отсутствующий файл: ../supabase/references/agent-evals.md - предупреждение
missing-refссылка на отсутствующий файл: ../systematic-debugging/SKILL.md - предупреждение
missing-refссылка на отсутствующий файл: ../verification-methodology/SKILL.md - предупреждение
missing-refссылка на отсутствующий файл: ../secure-software-engineering/SKILL.md
Процессный рейтинг: все десять параметров 39/100
- 0Инструменты и файлы. Не хватает 6 файла(ов): ../release-engineering/SKILL.md, ../system-one/SKILL.md, ../supabase/references/agent-evals.md
- 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
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 85Шаги. Шагов: 11, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1529 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- medium Тестов 11, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
- low Среди тестов нет случая на инъекцию через данные
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 508 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +4Справочные файлы упоминаются в инструкциях (14 из 14)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.