SKILLEMALL.ai
GitHub ↗ EN Войти

AB data-scientist

Используйте для экспертизы уровня PhD в области науки о данных, статистики и машинного обучения: строгий статистический анализ, дизайн экспериментов, причинно-следственный вывод, продвинутое моделирование, методология исследований или руководство проектами в области науки о данных. Загружайте, когда пользователь спрашивает о статистических методах, дизайне экспериментов, выборе моделей, A/B-тестировании, проверке гипотез, анализе мощности, регрессии, причинности, байесовском анализе или методологии исследований. Для статистического моделирования страховых, актуарных рисков, претензий, резервирования, платежеспособности, достоверности, хвостового риска или финансовых рисков используйте `actuarial-risk-modeling`; для детерминированных операционных и финансовых моделей SaaS используйте `financial-modeling`. Не используйте этот навык для несвязанных запросов; направляйте к ближайшему профильному специалисту.

машинный переводПоказать оригиналСкрыть оригинал«Use for PhD-level expertise in data science, statistics, and machine l…»

Use for PhD-level expertise in data science, statistics, and machine learning: rigorous statistical analysis, experimental design, causal inference, advanced modeling, research methodology, or data science project leadership. Load when the user asks about statistical methods, experimental design, model selection, A/B testing, hypothesis testing, power analysis, regression, causality, Bayesian analysis, or research methodology. For insurance, actuarial, claims, reserving, solvency, credibility, tail-risk, or financial-risk statistical modeling, use `actuarial-risk-modeling`; for deterministic operating and SaaS financial models, use `financial-modeling`. Do not use this skill for unrelated requests; route to the nearest named specialist.

magnus919/agent-skills Agent Skills автор: magnus919 MIT 30 файлов · 10 скриптов тело ≈ 3 751 токенов Открыть источникgithub.com↗ проанализирован 25 ч назад

Используйте для экспертизы уровня PhD в области науки о данных, статистики и машинного обучения: строгий статистический анализ, дизайн экспериментов…

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, повторный запуск

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
97/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Утечка данных exfil-webhook-url references/subagent-experiment-supervision.md:286
      URL вебхука / коллбэка, типичный для эксфильтрации (проверьте адрес) (значение-заглушка)
      'https://api.telegram.org/bot<TOKEN>/sendMessage',
      заглушка

    Просканировано файлов: 29. 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 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 57, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3751 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • 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
    • -34 из 10 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 746 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 57 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (13 из 13)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.