SKILLEMALL.ai

AC hypothesis-building

Превращает теорию в фальсифицируемые, предварительно регистрируемые гипотезы — DAG и замыкание обратного хода, как дизайн решает FPCI, SATE против PATE, контрфактическое и направленное кадрирование, названную теоретическую и эмпирическую оцениваемую величину, обоснованную SESOI, выбор между NHST, интервальными, эквивалентными (TOST) и тестами минимального эффекта, условия области применения и первичные, вторичные и исследовательские уровни в рамках многоэкспериментальных дизайнов. Используйте, когда у пользователя есть исследовательский вопрос или теория, и он просит превратить ее в гипотезы, спрашивает, фальсифицируем ли или тестируем ли прогноз, спрашивает, какова оцениваемая величина, или спрашивает, как предсказать нулевое значение. Кадрирование статьи вокруг нее направляется в narrative-building, план — в pre-registration-writing.

машинный переводПоказать оригиналСкрыть оригинал«Turns a theory into falsifiable, pre-registerable hypotheses — DAGs an…»

Turns a theory into falsifiable, pre-registerable hypotheses — DAGs and backdoor closure, how the design resolves the FPCI, SATE versus PATE, counterfactual and directional framing, a named theoretical and empirical estimand, a justified SESOI, the choice among NHST, interval, equivalence (TOST), and minimum-effect tests, scope conditions, and primary, secondary, and exploratory tiers across multi-experiment designs. Use when the user has a research question or theory and asks to turn it into hypotheses, asks whether a prediction is falsifiable or testable, asks what the estimand is, or asks how to predict a null. Framing the paper around it goes to narrative-building, the plan to pre-registration-writing.

scdenney/open-science-skills Agent Skills автор: scdenney NOASSERTION 3 файла тело ≈ 4 054 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Превращает теорию в фальсифицируемые, предварительно регистрируемые гипотезы — DAG и замыкание обратного хода, как дизайн решает FPCI, SATE против PATE…

Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

ГенераторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
60/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. 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 60/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4054 токенов
    • 85Шаги. Шагов: 58, расплывчатых формулировок: 3
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 715 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Есть примеры (0 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.