SKILLEMALL.ai

BD recsys-pipeline-architect

Разрабатывает компонуемые конвейеры рекомендаций, ранжирования и лент, используя шестиэтапную структуру Source→Hydrator→Filter→Scorer→Selector→SideEffect, популяризированную открытым алгоритмом X For You от xAI. Используйте при создании любой системы, которая выбирает "топ K элементов для (пользователя, контекста)" — ленты контента, ранжирование поиска, повторное ранжирование RAG, приоритизация задач, сортировка уведомлений, выбор рекламы.

машинный переводПоказать оригиналСкрыть оригинал«Design composable recommendation, ranking, and feed pipelines using th…»

Design composable recommendation, ranking, and feed pipelines using the six-stage Source→Hydrator→Filter→Scorer→Selector→SideEffect framework popularized by xAI's open-sourced X For You algorithm. Use when building any system that picks "the top K items for a (user, context)" — content feeds, search ranking, RAG rerankers, task prioritizers, notification triage, ad selection.

wshobson/agents Agent Skills автор: wshobson MIT 1 файл тело ≈ 1 917 токенов Открыть источникgithub.com↗ проанализирован 6 дн назад

Разрабатывает компонуемые конвейеры рекомендаций, ранжирования и лент, используя шестиэтапную структуру Source→Hydrator→Filter→Scorer→Selector→SideEffect…

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураGitHubИнфраструктураИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
D
45/100
Процесс не доведён
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

Такой же скилл встречается ещё в 1 месте: RA-Skills

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 45/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 43
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1917 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 378 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 43 пунктов

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