BC embeddings
Векторные вложения с индексацией HNSW, сохранением sql.js и гиперболическим поддержкой. В 75 раз быстрее с интеграцией agentic-flow. Используйте, когда: семантический поиск, сопоставление паттернов, запросы на сходство, извлечение знаний. Пропускайте, когда: точное совпадение текста, простые запросы, семантическое понимание не требуется.
машинный переводПоказать оригиналСкрыть оригинал«Vector embeddings with HNSW indexing, sql.js persistence, and hyperbol…»
Vector embeddings with HNSW indexing, sql.js persistence, and hyperbolic support. 75x faster with agentic-flow integration. Use when: semantic search, pattern matching, similarity queries, knowledge retrieval. Skip when: exact text matching, simple lookups, no semantic understanding needed.
Скилл обещает векторные эмбеддинги с индексацией HNSW, персистентностью через sql.js и поддержкой гиперболической геометрии — якобы 75 раз быстрее с интеграцией в agentic-flow. На проверке: файл один, критических ошибок нет, safety 100, quality 84. Процесс-скор 53 намекает на пробелы в документации или тестировании.
На практике получаешь инструмент для семантического поиска и работы с паттернами. Платформ поддерживает много — от Claude до DeepSeek. Цифра про 75x ускорение висит в воздухе: модели не прогоняли, песочницы нет. Ставить можно, если нужна именно векторная база с минимальной обвязкой, но проверяй скорость сам.
Векторные вложения с индексацией HNSW, сохранением sql.js и гиперболическим поддержкой. В 75 раз быстрее с интеграцией agentic-flow. Используйте, когда…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Такой же скилл встречается ещё в 1 месте: RA-Skills
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 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: 4
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 370 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 291 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 4 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.