AC run-load-test
Запустите нагрузочный тест Omnigent и создайте файл с результатами, объясняющий задержки. Загружается, когда пользователь хочет провести нагрузочное тестирование / стресс-тестирование / бенчмаркинг Omnigent при параллельной работе ("нагрузочный тест omnigent", "стресс-тест сервера", "сколько хостов/сессий/ходов он может обработать", "нагрузочное тестирование реальных ходов/диалогов агента", "запустить нагрузочный тест"). Тест делает каждого симулированного пользователя реальным хостом Omnigent, который создает сессии, привязанные к хосту, и ведет реальные многоходовые диалоги с имитируемым LLM; он запускает свой собственный локальный стек (dev/loadtest/run.py). Соберите входные данные, запустите его, затем прочитайте сгенерированный summary.md и объясните распределение задержек (среднее/медиана/p95/p99, пропускная способность, сбои). НЕ для микро-бенчмарков задержки одного запроса (это dev/benchmarks/).
машинный переводПоказать оригиналСкрыть оригинал«Run the Omnigent load test and produce a results file explaining the l…»
Run the Omnigent load test and produce a results file explaining the latencies. Load when the user wants to load-test / stress-test / benchmark Omnigent under concurrency ("load test omnigent", "stress test the server", "how many hosts/sessions/turns can it handle", "load test real agent turns / conversations", "run a load test"). The test makes each simulated user a real omnigent host that creates host-bound sessions and drives real multi-turn conversations with a mocked LLM; it boots its own local stack (dev/loadtest/run.py). Gather inputs, run it, then read the generated summary.md and explain the latency distribution (avg/median/p95/p99, throughput, failures). NOT for single-request latency micro-benchmarks (that is dev/benchmarks/).
Запустите нагрузочный тест Omnigent и создайте файл с результатами, объясняющий задержки.
Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 62/100
- 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
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 4
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 871 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 5 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 747 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 4 пунктов
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.