SKILLEMALL.ai

BC llm-wiki

Скомпилируйте разнородные источники знаний, включая документы, заметки, веб-контент, транскрипты, исследовательские материалы и репозитории кода, в LLM Wiki в стиле Карпати, основанную на доказательствах, с поддерживаемым индексом; страницами сущностей и концепций по умолчанию; и выборочными страницами методов, сравнений, анализов или резюме по запросу. Используйте с ov compile для создания или инкрементального обновления знаний, которые легко извлекать, навигировать и повторно использовать людям и агентам.

машинный переводПоказать оригиналСкрыть оригинал«Compile heterogeneous knowledge sources—including documents, notes, w…»

Compile heterogeneous knowledge sources—including documents, notes, web content, transcripts, research materials, and code repositories—into a Karpathy-style, evidence-grounded LLM Wiki with a maintained index; default entity and concept pages; and selective method, comparison, analysis, or instruction-requested summary pages. Use with ov compile to create or incrementally refresh knowledge that is easy for people and agents to retrieve, navigate, and reuse.

Разбор skillemall

Скилл собирает разнородные источники (документы, заметки, веб-контент, транскрипты, код) в единую базу знаний по образцу Карпатского вики с индексом, стандартными страницами сущностей и опциональными аналитическими разделами. Работает с командой ov compile для инкрементального обновления.

В архиве один файл, критических ошибок нет, качество оценено на 84 балла, безопасность стопроцентная. Процесс сборки набрал 57 — здесь слабое место. Скилл поддерживает 11 платформ от Claude до OpenClaw, что расширяет применимость. Ставить можно, если нужна унифицированная база знаний для агента; учтите, что процесс сборки может потребовать доработки под вашу структуру данных.

volcengine/OpenViking Agent Skills автор: volcengine 1 файл тело ≈ 3 666 токенов Открыть источникgithub.com↗ проанализирован 4 дн назад

Скомпилируйте разнородные источники знаний, включая документы, заметки, веб-контент, транскрипты, исследовательские материалы и репозитории кода, в LLM Wiki в…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, ошибки и развилки, повторный запуск

АнализаторИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Ошибки и развилки вес 10
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 1. 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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 48
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3666 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Ответ описан самодельной разметкой (6 тегов): типизированный вызов надёжнее

    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 463 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 48 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.