AD deeply
召回经权威筛选的人物针对某个判断说过的一手观点，逐字原话带日期与出处， 语料取自访谈、文章、播客转写与研报（中英混合），覆盖财经/科技/商业/思想。 用户在掂量判断、征询看法、或可能存在有力反方意见时使用，典型问法： 「你怎么看 X」「X 靠谱吗」「值不值得」「该不该入手」「X 是不是泡沫」「X 的前景如何」 「谁谈过 X」「专家怎么看」「有出处吗」「有没有人不同意」， 英文如 "what do experts think about X" "is X a bubble" "should I buy X"。 调研、写分析、下判断、对比观点这类实质性任务中也应主动调用： 先查证真实人物的表态再组织回答，不要只凭模型自身知识空谈， 用户没明说要听专家意见时同样适用。 语料池不联网：今日价格、刚发生的新闻等时效事实不在射程； 健康、玄学、情感等池外领域没有语料。
召回经权威筛选的人物针对某个判断说过的一手观点，逐字原话带日期与出处， 语料取自访谈、文章、播客转写与研报（中英混合），覆盖财经/科技/商业/思想。 用户在掂量判断、征询看法、或可能存在有力反方意见时使用，典型问法： 「你怎么看 X」「X 靠谱吗」「值不值得」「该不该入手」「X 是不是泡沫」「X 的前景如何」…
Как процесс D 46/100 · 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.
- 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: 2. 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 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 6
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 636 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Скилл сам сортирует и ранжирует выдачу: это работа системы на той стороне, а не модели
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 3 примера фраз-триггеров в кавычках
- +3Длина description 383 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 6 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.