BB uni-course-scheduler
AI-помощник по планированию университетских курсов. Анализирует каталоги курсов, рекомендует курсы на основе целей студента, создает оптимизированные еженедельные расписания с маркерами приоритета зачисления и экспортирует Excel (локально + облако) и календарь ICS (локально через generate_ics.py или в стандартном облачном режиме). Поддерживает международные системы образования (США/Австралия/Великобритания/ECTS/Китай). Исполнение: стандартный облачный режим (фиксированный 4-этапный конвейер, стандартизированный отчет о решениях; рекомендуемый и маршрут по умолчанию для пакетных/институциональных нужд — требует ввода текста каталога, см. references/catalog-collection.md). Две облачные платформы по способу оплаты: Shengsuanyun (0,5 юаня/запуск, оплата в Китае) или CogFoundry (0,10 доллара США/запуск, международная кредитная карта). ЛОКАЛЬНАЯ персональная облегченная версия (бесплатно, только для одного университета и одного студента, без пакетного конвейера, без стандартизированного отчета о решениях).
машинный переводПоказать оригиналСкрыть оригинал«AI-powered university course planning assistant. Analyzes course catal…»
AI-powered university course planning assistant. Analyzes course catalogs, recommends courses based on student goals, generates optimized weekly schedules with enrollment priority markers, and exports Excel (local + cloud) and an ICS calendar (local via generate_ics.py, or cloud standard mode). Supports international education systems (US/AU/UK/ECTS/CN). Execution: CLOUD standard mode (fixed 4-step pipeline, standardized decision report; recommended & default route for batch/institutional needs — requires catalog text input, see references/catalog-collection.md). Two cloud platforms by payment method: Shengsuanyun (CNY ¥0.5/run, China payment) or CogFoundry (USD $0.10/run, international credit card). LOCAL personal lightweight version (free, single-school single-student only, no batch pipeline, no standardized decision report).
AI-помощник по планированию университетских курсов.
Как процесс B 72/100 · Почти готов — слабые места: стоимость исполнения
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
низкая Опасные команды
cmd-pipe-to-shellreferences/loomloom-setup.md:45Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell) (с отрицанием — текст это запрещает)> (never `curl | bash` from an untrusted source). Pin to a specific reviewed release
с отрицанием -
низкая Утечка данных
read-dotenvreferences/loomloom-setup.md:82Чтение файла .envset -a; source /path/to/project/.env; set +a
Просканировано файлов: 17. 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") - предупреждение
body-longтело SKILL.md ≈ 8575 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage" - заметка
frontmatter-keyнеизвестное поле фронтматтера "repository" - заметка
frontmatter-keyнеизвестное поле фронтматтера "issues"
Процессный рейтинг: все десять параметров 72/100
- 40Стоимость исполнения. Тело инструкции 8575 токенов: вытесняет саму задачу из окна
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 60Шаги. Шагов: 100, расплывчатых формулировок: 5
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Входы и предусловия. Входные данные и предусловия перечислены
- 100Ошибки и развилки. Развилок: 16, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 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 Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (22 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)
- +3Длина description 839: рекомендуется 120–800 символов
- -32 из 5 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 100 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (9 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 6)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.