AB webperf-resources
Интеллектуальный анализ качества сети с адаптивными стратегиями загрузки. Обнаруживает тип соединения (2g/3g/4g), пропускную способность, RTT и режим сохранения данных, затем автоматически запускает соответствующие рабочие процессы оптимизации. Включает деревья решений, которые рекомендуют сжатие изображений для медленных соединений, встраивание критического CSS для высокого RTT и оптимизацию сохранения данных (отключение автовоспроизведения, снижение качества). Имеет бюджеты производительности, зависящие от соединения (500 КБ для 2g, 1,5 МБ для 3g, 3 МБ для 4g+) и руководства по реализации адаптивной загрузки. Интеграция с другими навыками: Loading (влияние на TTFB), Media (адаптивные изображения) и Core Web Vitals (влияние соединения на LCP/INP). Используйте, когда пользователь спрашивает о медленных соединениях, оптимизации для мобильных устройств, поддержке сохранения данных или стратегиях адаптивной загрузки. Совместимо с Chrome DevTools MCP.
машинный переводПоказать оригиналСкрыть оригинал«Intelligent network quality analysis with adaptive loading strategies.…»
Intelligent network quality analysis with adaptive loading strategies. Detects connection type (2g/3g/4g), bandwidth, RTT, and save-data mode, then automatically triggers appropriate optimization workflows. Includes decision trees that recommend image compression for slow connections, critical CSS inlining for high RTT, and save-data optimizations (disable autoplay, reduce quality). Features connection-aware performance budgets (500KB for 2g, 1.5MB for 3g, 3MB for 4g+) and adaptive loading implementation guides. Cross-skill integration with Loading (TTFB impact), Media (responsive images), and Core Web Vitals (connection impact on LCP/INP). Use when the user asks about slow connections, mobile optimization, save-data support, or adaptive loading strategies. Compatible with Chrome DevTools MCP.
Интеллектуальный анализ качества сети с адаптивными стратегиями загрузки.
Как процесс B 69/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу
Как улучшить
- 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 69/100
- 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
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 123
- 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2531 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
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 804: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +4Структура: 19 заголовков
- +3Пошаговые инструкции: 123 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.