BB knowledge-compiler
Knowledge compiler: teaches agents to incrementally compile source files into persistent wikis for cross-session knowledge accumulation. Runtime dependencies: Python 3.8+ (stdlib + pydantic). Optional enhancements: WebSearch (active search), external MCP validator (logic validation). Five modes, automatically routed based on user intent: recall → User wants to answer questions based on existing knowledge. Trigger words: recall, knowledge mode, open wiki, answer with knowledge, according to wiki, based on accumulation, check wiki, does wiki have, researched before, previously organized. ingest → User provided new material, wants to compile into wiki. Trigger words: ingest, compile, organize this, digest this, study this, archive, add this in, accumulate, research this, help me organize, add to knowledge base. query → User asked a specific question, wants to find answer from wiki (one-time). Trigger words: query, answer according to wiki, what does wiki say, check it. lint → User wants to check wiki health. Trigger words: lint, check wiki, wiki health, clean up, any conflicts. deep-dive → User wants Agent to automatically find knowledge gaps and fill them. Trigger words: deep-dive, deep dive, fill gaps, research gaps, level up, auto-complete wiki, knowledge completion, comprehensive fill. Note: deep-dive is not an independent mode, it's a combined pipeline of lint(Coverage) + ingest(search-fill).
Как процесс B 65/100 · Почти готов — слабые места: когда включается, согласованность
Как улучшить
- Сократите description до 1024 символов.
- 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: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1424 символов, лимит 1024
Процессный рейтинг: все десять параметров 65/100
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (knowledge-compiler) не совпадает с папкой (auto-wiki)
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Ошибки и развилки. Развилок: 5
- 70Стоимость исполнения. Тело инструкции 4335 токенов
- 100Шаги. Шагов: 43
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Длина description 1423: рекомендуется 120–800 символов
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 43 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (11 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (9 из 9)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.