SKILLEMALL.ai
GitHub ↗ EN Войти

BC Spreadsheet Engineering — AfrexAI

Оцените вашу электронную таблицу по шкале /16:

машинный переводПоказать оригиналСкрыть оригинал«Score your spreadsheet /16:…»

Score your spreadsheet /16:

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 7 444 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Оцените вашу электронную таблицу по шкале /16:

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, согласованность

ПроцедураGoogle SheetsExcelДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw 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) Goose OpenCode
JSON
Технический рейтинг
B
78/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
44
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Когда включается вес 12
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 7444 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 52/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (Spreadsheet Engineering — AfrexAI) не совпадает с папкой (afrexai-spreadsheet-engineering)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 7444 токенов
  • 85Шаги. Шагов: 84, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 17. 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)
  • +3Длина description 27: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -247 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 74 заголовков
  • +3Пошаговые инструкции: 84 пунктов
  • +4Есть примеры (33 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 44.