BD morgana-anti-infinite-loop-v2
Легкая защита от бесконечного цикла для LLM-агентов — восстановление > уничтожение, предиктивная, без зависимостей, 9 уровней защиты. Автономный пакет (stdlib + numpy опционально), работает с любым LLM (Claude/GPT/Llama/Mistral), любой средой (Hermes/LangChain/AutoGen/custom). v1 имел скромный прием; v2.0 перестроен для сообщества. Примечание: 12.8K относится к нашему полному профилю ClawHub kofna3369, а не конкретно к v1.
машинный переводПоказать оригиналСкрыть оригинал«Lightweight anti-infinite-loop guard for LLM agents — healing > kill,…»
Lightweight anti-infinite-loop guard for LLM agents — healing > kill, predictive, zero-dep, 9 layers of protection. Standalone package (stdlib + numpy optional), works with any LLM (Claude/GPT/Llama/Mistral), any harness (Hermes/LangChain/AutoGen/custom). v1 had a modest reception; v2.0 is rebuilt for the community. Note: 12.8K refers to our whole kofna3369 ClawHub profile, not to v1 specifically.
Легкая защита от бесконечного цикла для LLM-агентов — восстановление > уничтожение, предиктивная, без зависимостей, 9 уровней защиты.
Как процесс D 49/100 · Процесс не доведён — 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.
- 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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 20. 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 ≈ 6260 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "status" - заметка
frontmatter-keyнеизвестное поле фронтматтера "date" - заметка
frontmatter-keyнеизвестное поле фронтматтера "clawhub_id" - заметка
frontmatter-keyнеизвестное поле фронтматтера "python" - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies" - заметка
frontmatter-keyнеизвестное поле фронтматтера "optional_dependencies"
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 6260 токенов
- 85Шаги. Шагов: 66, расплывчатых формулировок: 3
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- low Разделов верхнего уровня: 21. 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- -270 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +3Длина description 400 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 55 заголовков
- +3Пошаговые инструкции: 66 пунктов
- +4Есть примеры (33 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 58.