SKILLEMALL.ai

CB acceptance-checks

Превращает критерии приемки, указанные в задаче, в исполняемые проверки и запускает их против готовых результатов перед сдачей, вместо того чтобы полагаться на то, что корректно выглядящий анализ им соответствует; репетирует скрытое условие, когда оценщик оценивает невидимые экземпляры из описанного семейства; рассматривает указанную формулу, правило обновления или предикат как оракул для первоначальной реализации; таким образом, каждый указанный путь, схема, единица измерения, правило округления, порядок, допуск, порог, именованный метод и версия, предписанный заголовок и формула самосогласованности становятся небольшим тестом, любой чек, который отправляет задача, запускается как критерий выхода, производные величины пересчитываются из примитивов, а соглашения, такие как единицы измерения, знаки, системы координат и таблицы кода, транскрибируются в именованные функции с проверенными вручную случаями. Используйте, когда задача указывает, как результат будет оцениваться механически, отправляет скрипт проверки или указывает форматы вывода и допуски; отчет, который читатель оценивает, требует проверки только заголовков и файлов один раз, а свободное исследование без указанных критериев не требует этого.

машинный переводПоказать оригиналСкрыть оригинал«Turns the acceptance criteria a task states into executable checks and…»

Turns the acceptance criteria a task states into executable checks and runs them against the finished outputs before delivering, rather than trusting that a correct-looking analysis satisfies them; rehearses the hidden condition when the grader scores unseen instances from a described family; treats a stated formula, update rule or predicate as the oracle to implement first; so that every stated path, schema, unit, rounding rule, ordering, tolerance, threshold, named method and version, prescribed heading and self-consistency formula becomes a small test, any checker the task ships is run as the exit criterion, derived quantities are recomputed from the primitives, and conventions such as units, signs, coordinate frames and code tables are transcribed into named functions with hand-checked cases. Use whenever a task states how the result will be judged mechanically, ships a validation script, or specifies output formats and tolerances; a report a reader grades needs only its headings and files checked once, and free-form exploration with no stated criteria does not need it.

synthetic-sciences/OpenScience Agent Skills автор: synthetic-sciences Apache-2.0 1 файл тело ≈ 4 209 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Превращает критерии приемки, указанные в задаче, в исполняемые проверки и запускает их против готовых результатов перед сдачей, вместо того чтобы полагаться…

Как процесс B 72/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

АнализаторДанные и аналитикаРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
79/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
55
Прогон на моделях
не было
Процессный рейтинг
B
72/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

Как улучшить

  1. Сократите description до 1024 символов.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
    Заранее разрешены широкие инструменты: Bash
    allowed-tools: Read Bash python Grep Glob

Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1090 символов, лимит 1024
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "role"

Процессный рейтинг: все десять параметров 72/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 4209 токенов
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 32
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 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)
  • +3Длина description 1090: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (0 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.