AD list-experiment
Разрабатывает и диагностирует списочные эксперименты или метод подсчета элементов. Охватывает, оправдано ли косвенное измерение, построение контрольного списка для предотвращения эффектов потолка и пола, дизайны с двойным списком и прямым сопоставлением вопросов, оценщики разницы средних и максимального правдоподобия через ictreg, предположения об отсутствии эффекта дизайна и отсутствии лжецов с помощью ict.test и ict.hausman.test, исправления общих сбоев и планирование мощности для существенного штрафа за точность. Используйте, когда пользователь измеряет чувствительное отношение или поведение и спрашивает о списочных экспериментах, подсчете элементов, несопоставленном подсчете, завуалированном вопросе или неправдоподобной оценке распространенности. Решения по чувствительности к смещениям направляются в survey-design.
машинный переводПоказать оригиналСкрыть оригинал«Designs and diagnoses list experiments, or the item count technique. C…»
Designs and diagnoses list experiments, or the item count technique. Covers whether indirect measurement is warranted, control-list construction against ceiling and floor effects, double-list and direct-question-pairing designs, difference-in-means and maximum-likelihood estimators through ictreg, no-design-effect and no-liar assumptions with ict.test and ict.hausman.test, common-failure corrections, and power planning for the substantial precision penalty. Use when the user measures a sensitive attitude or behavior and asks about list experiments, item count, unmatched count, veiled questioning, or an implausible prevalence estimate. Sensitivity-bias decisions go to survey-design.
Разрабатывает и диагностирует списочные эксперименты или метод подсчета элементов.
Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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: 2. 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 48/100
- 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
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 4469 токенов
- 100Шаги. Шагов: 54
- 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 690 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 54 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.