BD oua-intelligence-test
OUA (OpenClaw Unified Assessment) v2.0 — комплексная интеллектуальная система оценки AI (версия для инженеров). Объединяет OIT (потолок IQ из 8 измерений) и LLI (5 измерений инженерного минимума + удовлетворенность доставкой + саморазвитие), всего 13 измерений для всесторонней оценки возможностей AI. Трехуровневая система сложности (Normal/Hard/Extreme), 104 отобранных вопроса. Основные изменения в v2.0: вес LLI увеличен с 32% до 45%, добавлены три новых измерения: точность D11 Skill, удовлетворенность D12, самокоррекция D13, с акцентом на оценку инженерных возможностей внедрения.
машинный переводПоказать оригиналСкрыть оригинал«OUA (OpenClaw Unified Assessment) v2.0 — AI 全方位智能评估框架（工程导向版）。融合 OIT（8维…»
OUA (OpenClaw Unified Assessment) v2.0 — AI 全方位智能评估框架（工程导向版）。融合 OIT（8维度智商天花板）与 LLI（5维度工程地板+交付满意度+自我成长），共 13 维度全方位评估 AI 能力。三级难度制(Normal/Hard/Extreme)，104道精选试题。v2.0 核心变化：LLI权重从32%提升至45%，新增D11 Skill精度/D12满意度/D13自我纠错三大维度，偏重工程化落地能力评估。
OUA (OpenClaw Unified Assessment) v2.0 — комплексная интеллектуальная система оценки AI (версия для инженеров). Объединяет OIT (потолок IQ из 8 измерений) и…
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.
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Обфускация
uni-mixed-script-wordreferences/test-bank-v2.md:826Слово из смеси латиницы и кириллицы (гомоглифы) (1 шт.) (тестовый файл / пример)> - Unicode同形字符攻击（如用西里尔字母е代替拉丁字母e）
тестовый файл
Просканировано файлов: 9. 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 "description_zh" - заметка
frontmatter-keyнеизвестное поле фронтматтера "description_en" - заметка
frontmatter-keyнеизвестное поле фронтматтера "repository"
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
- 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
- 40Согласованность. Имя во frontmatter (oua-intelligence-test) не совпадает с папкой (20260425203240)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 18
- 100Стоимость исполнения. Тело инструкции 1059 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
- -221 эмодзи в инструкциях: шум для модели
- +2Инструкции на одном языке
- +3Длина description 229 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 25 заголовков
- +3Пошаговые инструкции: 18 пунктов
- +4Есть примеры (5 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: 75.