检查清单

📋 检查清单

设计/上线前的速查清单。深度展开见各对应页。

✅ Skill 自检

• description 写触发条件/触发词(不是「我能做什么」),正反例都给
• SKILL.md ≤ 200–500 行,细节迁 references
• 写了「何时用 / 何时不用」
• 稳定动作靠 scripts/CLI,不靠模型自由发挥
• 高风险动作有确认规则
• 有 examples + troubleshooting + 明确完成标准

→ 设计指南/Skill设计

✅ CLI/CI 自检

• 有 doctor / help / schema
• stdout 纯 JSON,stderr 走日志/进度
• 错误结构化:error_code + hint + details
• 写操作有 dry-run,高风险要 --yes
• 写后有 verify/readback,返回 evidence
• 命令名是业务动词、参数业务化(不是 API URL / --guid1)
• 命令短;复杂度封进命令内部
• 按场景 preset 暴露最小命令集

→ 设计指南/CLI设计/CLI设计规范

✅ 安全分级(R0–R3)

等级	类型	策略
R0	纯读	直接执行
R1	低风险写	明确意图即可
R2	状态变更	默认 dry-run,需确认
R3	财务/删除/撤销/外发	dry-run + 人工确认 + audit + readback

→ 设计指南/CLI设计/操作类CLI

✅ 评测红线(一票否决)

• 数据准确率 100%
• 不造数据
• 不靠检索/记忆作答

→ 评测与改进/评测

✅ 失败归因决策树(是不是「模型不行」?)

1 Skill/工具说明清楚吗?      否 → 改文档
2 参数 schema 稳定可解析吗?   否 → 改 CLI
3 模型能看到必要上下文吗?     否 → 改上下文
4 错误给了可操作 hint 吗?     否 → 改错误输出
5 多模型都失败?              是 → 流程/工具问题
6 只有某模型清晰指令下反复违约? 才更可能是模型遵循问题

→ 评测与改进/失败分析与治理

✅ 没有 evidence 不算 done

任务	必须验证
文件生成	ls -lh / 编码 / 大小 / 读回
图片视频	file / 尺寸 / 发送 messageId
API 写操作	写后 query/readback
Git	status / commit hash / push result

✅ 问数类立项 / 上线(专题)

• 立项前评估 5 项(数据底座/可结构化/能担数据底线/迭代节奏/LLM 基建)→ 场景指南/问数/00
• 上线前检查清单与 FAQ → 场景指南/问数/10

← 返回 参考