AC adaptive-brain
Адаптивный самосовершенствующийся мозг агента, который учится, развивается и оптимизируется со временем. Используйте, когда вам нужно: отслеживание производительности, обнаружение шаблонов ошибок, автоматическая адаптация поведения, эволюция навыков, обучение с учетом веса уверенности, откат при плохих изменениях, панели метрик, проактивное прогнозирование сбоев или синтез памяти между сессиями. Триггеры: "self improve", "learn from mistakes", "track performance", "evolve behavior", "adaptive agent", "improve yourself", "what did you learn", "learning dashboard", или при обнаружении ошибок/исправлений.
машинный переводПоказать оригиналСкрыть оригинал«Adaptive self-improving agent brain that learns, evolves, and optimize…»
Adaptive self-improving agent brain that learns, evolves, and optimizes itself over time. Use when you need: performance tracking, error pattern detection, automatic behavior adaptation, skill evolution, confidence-weighted learning, rollback on bad changes, metrics dashboards, proactive failure prediction, or cross-session memory synthesis. Triggers on "self improve", "learn from mistakes", "track performance", "evolve behavior", "adaptive agent", "improve yourself", "what did you learn", "learning dashboard", or when errors/corrections are detected.
Адаптивный самосовершенствующийся мозг агента, который учится, развивается и оптимизируется со временем.
Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Adaptive self-improving agent brain that learns, evolves, and opti… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (adaptive-brain) не совпадает с папкой (eternal-adaptive-brain)
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 22
- 100Стоимость исполнения. Тело инструкции 1505 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
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
- -228 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 8 примера фраз-триггеров в кавычках
- +3Длина description 557 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 19 заголовков
- +3Пошаговые инструкции: 22 пунктов
- +4Есть примеры (11 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.