AD learning-planner
Планировщик обучения — на основе когнитивной науки и теорий обучения составляет для пользователя персонализированные учебные пути. Используйте, когда пользователь хочет изучить новую тему, составить план обучения или нуждается в рекомендациях по стратегии обучения. Применимые сценарии: "Я хочу изучить XX" — планирование входа в новую область навыков/знаний "Помоги мне составить план обучения" — разработка учебного пути "Как изучить область XX?" — стратегия обучения в области "Я хочу научиться XX за X месяцев" — планирование обучения с временными ограничениями "Что нужно знать для изучения XX?" — оценка предварительных знаний "Разумен ли этот план обучения?" — оценка учебного плана "Как эффективно изучить XX?" — руководство по методологии обучения "Что делать, если я не могу учиться?" — диагностика препятствий в обучении "Разбей для меня тему XX" — картирование знаний Любые вопросы, связанные с "обучением, планированием, прогрессом, улучшением, введением, мастерством".
машинный переводПоказать оригиналСкрыть оригинал«学习规划师——基于认知科学和学习理论，为用户制定个性化学习路径。当用户想学一个新主题、制定学习计划、或需要学习策略建议时使用。 适用场景：…»
学习规划师——基于认知科学和学习理论，为用户制定个性化学习路径。当用户想学一个新主题、制定学习计划、或需要学习策略建议时使用。 适用场景： - "我想学XX"——新技能/新知识领域入门规划 - "帮我制定一个学习计划"——学习路径设计 - "XX领域该怎么学？"——领域学习策略 - "我要在X个月内学会XX"——有时间约束的学习规划 - "学XX需要什么基础？"——前置知识评估 - "这个学习计划合理吗？"——学习方案评审 - "怎么高效学习XX？"——学习方法论指导 - "我学不进去怎么办？"——学习障碍诊断 - "帮我拆解XX这个主题"——知识图谱化 - 任何涉及"学习、规划、进步、提升、入门、精通"的问题
Планировщик обучения — на основе когнитивной науки и теорий обучения составляет для пользователя персонализированные учебные пути.
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 · 0
✓ Критических и высоких находок нет
Просканировано файлов: 7. 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")
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 (learning-planner) не совпадает с папкой (self-learning-planner)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 165
- 100Стоимость исполнения. Тело инструкции 2494 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- -214 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 310 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 39 заголовков
- +3Пошаговые инструкции: 165 пунктов
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.