BD behavior-observability
Обеспечивает «наблюдаемость поведения» для автономных агентов/автоматизированных конвейеров: записывает каждое действие (вызов инструмента, вызов LLM, узел принятия решений, вывод проверки) в виде структурированных событий, поддерживает многомерные запросы, агрегацию метрик (уровень ошибок/средняя задержка/P95) и воспроизведение временной шкалы поведения для последующего аудита, определения причин сбоев и оптимизации стратегии. Дополняет safety-guardrails (принятие решений) и human-in-loop-review (проверка): их события принятия решений/проверки должны передаваться в этот журнал, формируя полную и достоверную траекторию поведения. Ключевые слова: наблюдаемость поведения, отслеживание поведения, журнал аудита, отслеживание происхождения событий, observability, trace, мониторинг агента, временная шкала поведения, статистика уровня ошибок.
машинный переводПоказать оригиналСкрыть оригинал«给自主智能体/自动化流水线提供「行为可观测性」：把每一次动作（工具调用、LLM 调用、决策门、 审核结论）以结构化事件落盘，支持多维查询、指…»
给自主智能体/自动化流水线提供「行为可观测性」：把每一次动作（工具调用、LLM 调用、决策门、 审核结论）以结构化事件落盘，支持多维查询、指标聚合（错误率/平均时延/P95）与行为时间线回放， 便于事后审计、故障归因与策略调优。与 safety-guardrails（决策）和 human-in-loop-review（审核） 互补：它们的决策/审核事件都应 emit 到本日志，形成完整可信行为轨迹。 触发词：行为可观测性、行为追踪、审计日志、事件溯源、observability、trace、agent 监控、 行为时间线、错误率统计。
Обеспечивает «наблюдаемость поведения» для автономных агентов/автоматизированных конвейеров: записывает каждое действие (вызов инструмента, вызов LLM, узел…
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: 5. 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created" - заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name" - заметка
frontmatter-keyнеизвестное поле фронтматтера "display_name_en" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_zh" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_en" - заметка
frontmatter-keyнеизвестное поле фронтматтера "visibility"
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), но во frontmatter они не объявлены
- 100Шаги. Шагов: 14
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 512 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
- +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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 270 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 14 пунктов
- +4Есть примеры (2 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.