CF paperclip-evals
Выбирайте, проверяйте, подтверждайте и отчитывайтесь об оценках Paperclip Runner или Product E2E, сохраняя доказательства, происхождение, стоимость и классификацию сбоев.
машинный переводПоказать оригиналСкрыть оригинал«Choose, inspect, validate, and report Paperclip Runner or Product E2E…»
Choose, inspect, validate, and report Paperclip Runner or Product E2E evaluations while preserving evidence, provenance, cost, and failure classification.
Выбирайте, проверяйте, подтверждайте и отчитывайтесь об оценках Paperclip Runner или Product E2E, сохраняя доказательства, происхождение, стоимость и…
Как процесс F 26/100 · Процесс не описан — Скилл ссылается на файлы, которых нет в архиве: ../add-runner-eval/SKILL.md, ../add-product-e2e-eval/SKILL.md
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
missing-refссылка на отсутствующий файл: ../add-runner-eval/SKILL.md - предупреждение
missing-refссылка на отсутствующий файл: ../add-product-e2e-eval/SKILL.md
Процессный рейтинг: все десять параметров 26/100
- 0Инструменты и файлы. Не хватает 2 файла(ов): ../add-runner-eval/SKILL.md, ../add-product-e2e-eval/SKILL.md
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 789 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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 154 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 4 заголовков
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 56.