SKILLEMALL.ai

AC voice-ai-development

Эксперт по созданию голосовых ИИ-приложений — от голосовых агентов реального времени до приложений с голосовым управлением. Охватывает OpenAI Realtime API, Vapi для голосовых агентов, Deepgram для транскрипции, ElevenLabs для синтеза, LiveKit для инфраструктуры реального времени и основы WebRTC. Знает, как создавать голосовые интерфейсы с низкой задержкой, готовые к производству. Используйте, когда: голосовой ИИ, голосовой агент, речь в текст, текст в речь, голосовая связь в реальном времени.

машинный переводПоказать оригиналСкрыть оригинал«Expert in building voice AI applications - from real-time voice agents…»

Expert in building voice AI applications - from real-time voice agents to voice-enabled apps. Covers OpenAI Realtime API, Vapi for voice agents, Deepgram for transcription, ElevenLabs for synthesis, LiveKit for real-time infrastructure, and WebRTC fundamentals. Knows how to build low-latency, production-ready voice experiences. Use when: voice ai, voice agent, speech to text, text to speech, realtime voice.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 1 943 токенов Открыть источникgithub.com проанализирован 2 дн назад

Эксперт по созданию голосовых ИИ-приложений — от голосовых агентов реального времени до приложений с голосовым управлением.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, ошибки и развилки

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: RA-Skills

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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "source"

    Процессный рейтинг: все десять параметров 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1943 токенов

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 410 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.