SKILLEMALL.ai
GitHub ↗ EN Войти

BB curriculum-generator

Интеллектуальная система генерации учебных программ со строгим соблюдением этапов и политикой эскалации для человека.

машинный переводПоказать оригиналСкрыть оригинал«Intelligent educational curriculum generation system with strict step…»

Intelligent educational curriculum generation system with strict step enforcement and human escalation policies

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 10 881 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Интеллектуальная система генерации учебных программ со строгим соблюдением этапов и политикой эскалации для человека.

Как процесс B 79/100 · Почти готов — слабые места: стоимость исполнения

ГенераторYouTubeTelegramДанные и аналитикаОбучениетип 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
82/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
55
Прогон на моделях
не было
Процессный рейтинг
B
79/100
Почти готов
Стоимость исполнения вес 6
40
Инструменты и файлы вес 18
60
Ошибки и развилки вес 10
65
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 10881 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 79/100

  • 40Стоимость исполнения. Тело инструкции 10881 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 65Ошибки и развилки. Развилок: 3
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 228
  • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 20. 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 111: рекомендуется 120–800 символов
  • -5В тексте остались TODO / заглушки
  • -232 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 73 заголовков
  • +3Пошаговые инструкции: 228 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (49 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.