BD conjoint-design
Разрабатывает конъюнктные и факторно-виньеточные эксперименты от начала до конца — архитектура атрибутов и ограничения рандомизации, мощность эффективного N на основе стандартной ошибки AMCE в замкнутой форме, реалистичность стимулов, выбор оценки среди AMCE, предельных средних и AMIE, варианты дизайна, такие как принудительный выбор по сравнению с оценкой, уровни PAP для гибкости конъюнкта, а также регрессионные модели и пакеты R, реализующие каждый из них. Используйте при планировании конъюнктного эксперимента, составлении или критике таблицы атрибутов, вопросах о количестве респондентов или задач, необходимости сообщать AMCE или предельные средние, или о способах тестирования взаимодействий. Обзор существующего дизайна обрабатывается через conjoint-diagnostics, очистка экспорта — через conjoint-cleaning.
машинный переводПоказать оригиналСкрыть оригинал«Designs conjoint and factorial-vignette experiments end to end — attri…»
Designs conjoint and factorial-vignette experiments end to end — attribute architecture and randomization restrictions, effective-N power from the closed-form AMCE standard error, treatment realism, estimand choice among AMCE, marginal means, and AMIE, design variants such as forced choice versus rating, PAP tiers for conjoint flexibility, and the regression models and R packages that implement each. Use when the user is planning a conjoint, drafting or critiquing an attribute table, asking how many respondents or tasks are needed, asking whether to report AMCEs or marginal means, or asking how to test interactions. Reviewing an existing design goes to conjoint-diagnostics, cleaning the export to conjoint-cleaning.
Разрабатывает конъюнктные и факторно-виньеточные эксперименты от начала до конца — архитектура атрибутов и ограничения рандомизации, мощность эффективного N…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 9630 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 49/100
- 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
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 9630 токенов: вытесняет саму задачу из окна
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 87
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
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
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 724 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 87 пунктов
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.