SKILLEMALL.ai
GitHub ↗ EN Войти

BC karpathy-wiki

Создание и поддержка постоянной Вики Karpathy — основанной на шаблоне LLM Wiki Андрея Карпатого, это взаимосвязанная база знаний в формате Markdown с кумулятивным эффектом. Источники данных включают необработанные материалы, основную базу знаний и рабочую область. Активируется, когда пользователь добавляет источники, запрашивает добавление в Вики, задает комплексные вопросы или запрашивает проверку состояния Вики.

машинный переводПоказать оригиналСкрыть оригинал«建立並維護一個持久化的 Karpathy Wiki — 基於 Andrej Karpathy 的 LLM Wiki 模式，這是一個具備複利效…»

建立並維護一個持久化的 Karpathy Wiki — 基於 Andrej Karpathy 的 LLM Wiki 模式，這是一個具備複利效應的互聯 Markdown 知識庫。數據來源涵蓋原始資料、核心知識庫與工作專區。當用戶添加來源、請求添加至 Wiki、詢問綜合性問題或請求 Wiki 健康檢查時觸發。

skytiger6724/qwen-skills Agent Skills автор: skytiger6724 4 файла · 1 скрипт тело ≈ 518 токенов Открыть источникgithub.com↗ проанализирован 27 ч назад

Создание и поддержка постоянной Вики Karpathy — основанной на шаблоне LLM Wiki Андрея Карпатого, это взаимосвязанная база знаний в формате Markdown с…

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Qwen Code Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 55/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 20
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 518 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 153 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.