AD blooming-elf-v4
绿灵·Blooming Elf-v4 — Используйте этот навык, когда пользователю нужен надежный помощник для напоминаний о поливе растений/цветов и уходе за ними (浇花/养花/植物养护). Он исправляет три повторяющиеся ошибки версии v3 на основе markdown — устаревшие даты 'следующего полива', повреждение формата в текстовых таблицах и забытые инструкции 'запомнить это' — путем сохранения изменяемого состояния в структурированном файле plants.json (единый источник правды), проверки каждой записи и принудительного сохранения при выполнении команды 'запомнить'. Он также включает экспертную проверку (15 исправлений), охватывающую безопасность для домашних животных, полив по влажности почвы в первую очередь, упрощение формул, консерванты для срезанных цветов и лучшие практики подкисления, а также сохраняет все функции v3 по онбордингу, библиотеке растений, правилам ухода и стандартным операционным процедурам.
машинный переводПоказать оригиналСкрыть оригинал«绿灵·Blooming Elf-v4 — This skill should be used when the user wants a r…»
绿灵·Blooming Elf-v4 — This skill should be used when the user wants a reliable plant/flower watering reminder and care assistant (浇花/养花/植物养护). It fixes three recurring failures of the v3 markdown-based version — stale 'next watering' dates, format corruption in prose tables, and forgotten 'remember this' instructions — by storing mutable state in a structured plants.json (single source of truth), validating every write, and forcing persistence on 'remember'. It also incorporates an expert audit (15 corrections) covering pet-toxicity safety, watering-by-soil-moisture-first, formula simplification, cut-flower preservative, and acidifying best practices, and retains all of v3's onboarding, plant library, care rules, and SOPs.
绿灵·Blooming Elf-v4 — Используйте этот навык, когда пользователю нужен надежный помощник для напоминаний о поливе растений/цветов и уходе за ними (浇花/养花/植物养护).
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
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: 16. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "agent_created"
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
- 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 124
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3530 токенов
- low Разделов верхнего уровня: 19. 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
- -230 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 731 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 32 заголовков
- +3Пошаговые инструкции: 124 пунктов
- +4Есть примеры (8 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (9 из 9)
- +3Все 4 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.