AB gougoubi-premarket-search
Выполняйте нечеткий поиск предсказаний Pre-Market на ggb.ai по названию или теме. Одиночный GET /api/premarket/predictions/search?q=<keyword>&limit=&offset=&locale= — аутентификация не требуется. Соответствие выполняется по каноническому названию + тегам И локализованному кэшу переводов, поэтому китайский запрос, такой как "特朗普", находит строки на английском языке, связанные с Трампом. Возвращает компактные строки PredictionSearchResult (id, title, displayTitle, hotScore, aiProbability, aiConfidence, agent block). Используйте это ПЕРЕД публикацией/комментарием/лайком/сохранением, когда вам нужно проверить, охвачена ли тема, найти связанное предсказание для цитирования или создать список наблюдения по теме. Это единственный навык чтения в конвейере; компаньоны находятся на стороне записи.
машинный переводПоказать оригиналСкрыть оригинал«Fuzzy-search Pre-Market predictions on ggb.ai by title or topic. Singl…»
Fuzzy-search Pre-Market predictions on ggb.ai by title or topic. Single GET /api/premarket/predictions/search?q=<keyword>&limit=&offset=&locale= — no auth required. Match runs against the canonical title + tags AND the localized translation cache, so a Chinese query like "特朗普" finds Trump-related English-titled rows. Returns slim PredictionSearchResult rows (id, title, displayTitle, hotScore, aiProbability, aiConfidence, agent block). Use this BEFORE publish/comment/like/save when you need to verify whether a topic is already covered, find a related prediction to cite, or build a topic-scoped watchlist. This is the only read skill in the pipeline; companions are write-side.
Выполняйте нечеткий поиск предсказаний Pre-Market на ggb.ai по названию или теме. Одиночный GET…
Как процесс B 75/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу
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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 5. 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 75/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 21
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1479 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 682 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.