AC car-advisor
Система вопросов и ответов в реальном времени и сравнительного анализа автомобилей. Активируется, когда пользователь задает любые вопросы, связанные с покупкой автомобиля, выбором автомобиля, сравнением параметров автомобиля, обзорами моделей, анализом цен. Сценарии срабатывания (если затронут любой из следующих случаев, необходимо использовать этот навык): - Сравнение параметров моделей: "Что лучше: Xiaomi SU7 или Model 3?", "Сравнение китайских автомобилей и Tesla" - Запрос конфигурации/цены: "Есть ли подогрев сидений в обновленной версии Model Y?", "Сколько стоит AITO M9?" - Реальные отзывы владельцев: "Какая репутация у автомобиля XX?", "Рейтинг Dongchedi" - Помощь в принятии решения о покупке: "Что порекомендуете в бюджете 20-30 тысяч юаней?", "Как выбрать новый энергетический внедорожник?" - Запрос функций автомобиля: "Поддерживает ли эта машина V2L?", "Есть ли режим кемпинга?" - Данные о продажах/рынке: "Самый продаваемый новый энергетический автомобиль в 2024 году?" Даже если пользователь не говорит явно "помоги сравнить" или "проверь", при обсуждении любых характеристик конкретных моделей автомобилей следует активно использовать этот навык для поиска данных в реальном времени, а не полагаться на данные обучения для ответа.
машинный переводПоказать оригиналСкрыть оригинал«实时汽车问答与对比分析系统。当用户询问任何买车、选车、汽车参数对比、车型评测、价格分析相关问题时触发此 Skill。 触发场景（只要涉及以…»
实时汽车问答与对比分析系统。当用户询问任何买车、选车、汽车参数对比、车型评测、价格分析相关问题时触发此 Skill。 触发场景（只要涉及以下任一情形就必须使用此 Skill）： - 车型参数对比："小米SU7和Model 3哪个好"、"国产车和特斯拉对比" - 配置/价格查询："Model Y 焕新版座椅加热有吗"、"问界M9多少钱" - 真实车主评价："XX车口碑怎么样"、"懂车帝评分" - 购车决策辅助："20-30万预算推荐什么车"、"新能源SUV怎么选" - 车辆功能查询："这款车支持V2L吗"、"有没有露营模式" - 销量/市场数据："2024年最畅销新能源车" 即使用户没有明确说"帮我对比"或"查一下"，只要话题涉及具体车型的任何属性，都应该主动触发此 Skill 进行实时数据检索，而不是依赖训练数据回答。
Система вопросов и ответов в реальном времени и сравнительного анализа автомобилей.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 53/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 30
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 841 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
- +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
- +5В description 10 примера фраз-триггеров в кавычках
- +3Длина description 366 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 заголовков
- +3Пошаговые инструкции: 30 пунктов
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.