SKILLEMALL.ai

CC astronomy-inference

Обрабатывает астрономические данные из файла для последующего использования в соответствии с принятыми в этой области стандартами, включая единицы измерения astropy, координаты, форматы FITS и WCS, время с барицентрическими коррекциями, фотометрические системы и арифметику звездных величин, поиск периодов с использованием периодаграммы Ломба-Скаргла astropy и ее уровней ложных срабатываний, байесовскую оценку параметров с помощью emcee и вложенное сэмплирование с помощью dynesty, диагностику сходимости, такую как время автокорреляции и R-hat, распространение неопределенностей через выборки и явное указание априорных распределений. Используйте для световых кривых, фотометрии, спектроскопии, анализа орбит или транзитов и любой оценки астрономических параметров; используйте astropy для стандартного использования библиотеки и bayesian-inference для неастрономических моделей.

машинный переводПоказать оригиналСкрыть оригинал«Carries astronomical data from file to posterior with the conventions…»

Carries astronomical data from file to posterior with the conventions the field expects, covering astropy units, coordinates, FITS, WCS and Time with barycentric corrections, photometric systems and magnitude arithmetic, period finding with the astropy Lomb-Scargle periodogram and its false-alarm levels, Bayesian parameter estimation with emcee and nested sampling with dynesty, convergence diagnostics such as autocorrelation time and R-hat, uncertainty propagation through samples, and explicit reporting of priors. Use for light curves, photometry, spectroscopy, orbit or transit fits and any astronomical parameter estimation; use astropy for plain library usage and bayesian-inference for non-astronomical models.

synthetic-sciences/OpenScience Agent Skills автор: synthetic-sciences Apache-2.0 1 файл тело ≈ 1 662 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Обрабатывает астрономические данные из файла для последующего использования в соответствии с принятыми в этой области стандартами, включая единицы измерения…

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Когда включается вес 12
20
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

    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

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

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "summary"

    Процессный рейтинг: все десять параметров 61/100

    • 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
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1662 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
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +3Длина description 720 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.