CC submitted-code
Пишет код, который выдерживает повторное выполнение кем-то другим на входных данных, которые вы никогда не видели, ориентируясь на среду выполнения оценщика или сотрудничающего лица, а не на вашу собственную, с одной самодостаточной точкой входа, используя только библиотеки, указанные в спецификации, без зависимости от пакетов, которые вы установили, или файлов, которые вы кэшировали во время разработки, без сети, без импорта соседних модулей, без состояния, передаваемого между вызовами, вывод записывается только там, где указано в контракте, и репетиция, которая повторно запускает артефакт из чистой директории как непривилегированный процесс на измененных входных данных в пределах указанных ограничений по времени и памяти. Используйте, когда результатом является программа, модуль, файл модели или вызываемый объект, который верификатор, рецензент, конвейер или коллега будет запускать на скрытых или будущих данных; скрипт, который вы запускаете один раз сами для получения таблицы, не нуждается в этом.
машинный переводПоказать оригиналСкрыть оригинал«Writes code that survives being re-executed by someone else on inputs…»
Writes code that survives being re-executed by someone else on inputs you never saw, targeting the grader's or collaborator's runtime rather than your own, with one self-contained entry point using only the libraries the specification names, no reliance on packages you installed or files you cached during development, no network, no sibling imports, no state carried between calls, output written only where the contract says, and a rehearsal that reruns the artifact from a clean directory as an unprivileged process on mutated inputs within the stated time and memory caps. Use whenever the deliverable is a program, module, model file or callable that a verifier, reviewer, pipeline or colleague will run on hidden or future data; a script you run once yourself to produce a table does not need it.
Пишет код, который выдерживает повторное выполнение кем-то другим на входных данных, которые вы никогда не видели, ориентируясь на среду выполнения оценщика…
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
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.
Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.
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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Широкие права
meta-broad-allowed-toolsSKILL.md:1Заранее разрешены широкие инструменты: Bashallowed-tools: Read Bash python compute_job
Просканировано файлов: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "summary" - заметка
frontmatter-keyнеизвестное поле фронтматтера "role"
Процессный рейтинг: все десять параметров 59/100
- 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
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 17
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1594 токенов
- 100Повторный запуск. Изменяющих операций нет
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 803: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +2Инструкции на одном языке
- +4Структура: 4 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.