SKILLEMALL.ai
GitHub ↗ EN Войти

BC omh-repro-audit

[omh] Журналы оценки по сравнению с заявленными условиями в статье: проверьте предоставленные результаты HellaSwag с точными показателями и просмотрите подтверждающие данные; никогда не запускайте модель. Используйте, когда пользователь говорит: repro-audit, hellaswag log, hellaswag results, hellaswag score.

машинный переводПоказать оригиналСкрыть оригинал«[omh] Evaluation logs versus reported paper conditions: audit supplied…»

[omh] Evaluation logs versus reported paper conditions: audit supplied HellaSwag results with exact scores and review-gated evidence; never run a model. Use when the user says: repro-audit, hellaswag log, hellaswag results, hellaswag score.

rlaope/oh-my-hermes Hermes автор: rlaope 1 файл тело ≈ 1 764 токенов Открыть источникgithub.com↗ проанализирован 15 ч назад

[omh] Журналы оценки по сравнению с заявленными условиями в статье: проверьте предоставленные результаты HellaSwag с точными показателями и просмотрите…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: Hermes Agent
JSON
Технический рейтинг
B
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: omh-repro-audit (rlaope/oh-my-hermes)

Как улучшить

  1. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
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

  • предупреждение description-long-hermes description 240 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)

Процессный рейтинг: все десять параметров 62/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 60Согласованность. Диалект Hermes требует category и tags
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 42
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Стоимость исполнения. Тело инструкции 1764 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. 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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 240 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 42 пунктов
  • +4Есть примеры (0 блоков кода)
  • +1Лицензия указана

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