SKILLEMALL.ai
GitHub ↗ EN Войти

AB constrained-optimization

Определяйте, сравнивайте и проверяйте решения по ограниченной оптимизации с явными переменными, единицами измерения, жесткими и мягкими ограничениями, осуществимостью, компромиссами Парето и честными доказательствами решения. Не используйте для статистического моделирования или подгонки ML, которые относятся к специалисту по данным или инженеру ML, или для управления именованным решателем.

машинный переводПоказать оригиналСкрыть оригинал«Define, compare, and audit constrained optimization decisions with exp…»

Define, compare, and audit constrained optimization decisions with explicit variables, units, hard and soft constraints, feasibility, Pareto tradeoffs, and honest solver evidence. Do not use for statistical modeling or ML fitting, which belong to data-scientist or ml-engineering, or for operating a named solver.

magnus919/agent-skills Agent Skills автор: magnus919 MIT 8 файлов тело ≈ 873 токенов Открыть источникgithub.com↗ проанализирован 25 ч назад

Определяйте, сравнивайте и проверяйте решения по ограниченной оптимизации с явными переменными, единицами измерения, жесткими и мягкими ограничениями…

Как процесс B 68/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

АнализаторДанные и аналитикатип 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
B
68/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 7. 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 68/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 8
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 873 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 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 313 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 8 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.