AB alibabacloud-dlf-manage
Запрашивайте метаданные каталогов, баз данных и таблиц в Alibaba Cloud Data Lake Formation (DLF). Предоставляет запросы только для чтения через Python SDK OpenAPI DLF, поддерживая перечисление и просмотр каталогов, баз данных, таблиц с их подробной информацией и определениями схем. Примеры использования: «список доступных каталогов», «список баз данных», «просмотр схемы таблицы», «поиск таблиц», «поиск таблиц по имени», «нечеткий поиск», «просмотр метаданных DLF», «какие базы данных есть в озере данных», «какие столбцы есть у таблицы», «найти таблицы, чье имя содержит xxx». Этот навык содержит только операции только для чтения — никаких операций создания, изменения или удаления.
машинный переводПоказать оригиналСкрыть оригинал«Query Catalog, database, and table metadata resources in Alibaba Cloud…»
Query Catalog, database, and table metadata resources in Alibaba Cloud Data Lake Formation (DLF). Provides read-only queries via the DLF OpenAPI Python SDK, supporting listing and viewing Catalogs, databases, tables with their detailed information and Schema definitions. Use cases: "list available Catalogs", "list databases", "view table schema", "search tables", "search tables by name", "fuzzy search", "view DLF metadata", "what databases are in the data lake", "what columns does a table have", "find tables whose name contains xxx". This Skill only contains read-only operations — no create, modify, or delete operations.
Запрашивайте метаданные каталогов, баз данных и таблиц в Alibaba Cloud Data Lake Formation (DLF).
Как процесс B 71/100 · Почти готов — слабые места: 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: 7. 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 71/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 70Ошибки и развилки. Развилок: 4
- 100Шаги. Шагов: 8
- 100Результат и критерий готовности. Формат результата и критерий готовности описаны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2651 токенов
- 100Повторный запуск. Изменяющих операций нет
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 10 примера фраз-триггеров в кавычках
- +3Длина description 628 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 99.