BC greenhelix-agent-workforce-orchestration
Оркестрация рабочей силы агентов: гибридные команды людей и ИИ. Создание оркестровки рабочей силы под управлением агентов: подбор возможностей, эскроу-платежи для ИИ-агентов и внештатных работников, унифицированная оценка репутации, соблюдение SLA, разрешение споров и отчетность о соответствии требованиям. Включает подробные примеры кода на Python для каждого шаблона.
машинный переводПоказать оригиналСкрыть оригинал«Agent Workforce Orchestration: Hybrid Human+AI Teams. Build agent-led…»
Agent Workforce Orchestration: Hybrid Human+AI Teams. Build agent-led workforce orchestration: capability matching, escrow-based payments for AI agents and human gig workers, unified reputation scoring, SLA enforcement, dispute resolution, and compliance reporting. Includes detailed Python code examples for every pattern.
Оркестрация рабочей силы агентов: гибридные команды людей и ИИ.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, 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 · 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") - предупреждение
body-longтело SKILL.md ≈ 25584 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "type" - заметка
frontmatter-keyнеизвестное поле фронтматтера "price_usd" - заметка
frontmatter-keyнеизвестное поле фронтматтера "content_type" - заметка
frontmatter-keyнеизвестное поле фронтматтера "executable" - заметка
frontmatter-keyнеизвестное поле фронтматтера "install" - заметка
frontmatter-keyнеизвестное поле фронтматтера "credentials"
Процессный рейтинг: все десять параметров 53/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 10Стоимость исполнения. Тело инструкции 25584 токенов: вытесняет саму задачу из окна
- 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
- 40Результат и критерий готовности. Не сказано, что считать результатом
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 60Ошибки и развилки. Развилок: 2
- 100Шаги. Шагов: 37
- 100Согласованность. Имя и обязательные поля на месте
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 12. 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
- +2Инструкции на одном языке
- +3Длина description 323 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 56 заголовков
- +3Пошаговые инструкции: 37 пунктов
- +4Есть примеры (36 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.