AB huawei-cloud-agentorchard-find-skills
Ищет, обнаруживает, просматривает и устанавливает навыки AI Gallery Agent с помощью естественного языка. Триггеры включают: "AI Gallery", "AI Gallery有什么skill", "有什么skill", "AI Gallery相关skill", "AI Gallery agent skill 市场", "AI Gallery skill类目", "skill 市场", "搜索AI Gallery skill", "安装skill", "订阅skill", "有没有XX skill", "有没有XX的能力", "帮我找 XX skill", "帮我找一个能XX的工具", "我想扩展功能", "介绍 XX Skill 内容", "XX Skill 具体做什么", "explore AI Gallery skills", "show AI Gallery skill categories", "does an AI Gallery skill exist for...", "which AI Gallery skills exist", "search skill", "find skill".
машинный переводПоказать оригиналСкрыть оригинал«Search, discover, browse and install AI Gallery Agent skills via natur…»
Search, discover, browse and install AI Gallery Agent skills via natural language. Triggers include: "AI Gallery", "AI Gallery有什么skill", "有什么skill", "AI Gallery相关skill", "AI Gallery agent skill 市场", "AI Gallery skill类目", "skill 市场", "搜索AI Gallery skill", "安装skill", "订阅skill", "有没有XX skill", "有没有XX的能力", "帮我找 XX skill", "帮我找一个能XX的工具", "我想扩展功能", "介绍 XX Skill 内容", "XX Skill 具体做什么", "explore AI Gallery skills", "show AI Gallery skill categories", "does an AI Gallery skill exist for...", "which AI Gallery skills exist", "search skill", "find skill".
Ищет, обнаруживает, просматривает и устанавливает навыки AI Gallery Agent с помощью естественного языка.
Как процесс B 65/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, отчётность по ходу
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: 8. 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 65/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 19
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 828 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 23 примера фраз-триггеров в кавычках
- +3Длина description 549 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (5 из 5)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.