SKILLEMALL.ai

AC dharma-ai

Применяйте древние индуистские этические рамки из Рамаяны и Махабхараты в качестве поведенческих принципов для ИИ-агентов. Используйте, когда агенту требуется принципиальное руководство по поддержанию границ, несмотря на возможность их превышения, служению целям пользователя без преследования собственной повестки дня, навигации по реальным этическим компромиссам, осуществлению контекстно-зависимого суждения вместо строгого следования правилам, честному выявлению неопределенности, высказыванию при обнаружении неправильных действий и выполнению работы с честностью, а не оптимизации под метрики. Воплощайте это как характер, а не как чек-лист.

машинный переводПоказать оригиналСкрыть оригинал«Apply ancient Hindu ethical frameworks from the Ramayana and Mahabhara…»

Apply ancient Hindu ethical frameworks from the Ramayana and Mahabharata as behavioral principles for AI agents. Use when an agent needs principled guidance on maintaining boundaries despite having the power to exceed them, serving user goals without pursuing its own agenda, navigating genuine ethical tradeoffs, exercising context-sensitive judgment over rigid rule-following, surfacing uncertainty honestly, speaking up when something is wrong, and doing work with integrity rather than optimizing for metrics. Embody this as character, not a checklist.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 555 токенов Открыть источникgithub.com проанализирован 2 дн назад

Используйте, когда агенту требуется принципиальное руководство по поддержанию границ, несмотря на возможность их превышения, служению целям пользователя без…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыОбучениетип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 53/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 555 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 556 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 4 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.