«Истинный учитель учит не рассказывая, а совершенствуя» (Сенсей навыков)

Sensei проверяет портативный интерфейс Agent Skills и предлагает авторство улучшений с использованием шаблона Ralph. Medium-High - это консультативная цель Sensei, а не уровень соответствия спецификации.

** Спецификация против совета: ** score поддерживает портативную диагностику в specChecks и дополнительные рекомендации Sensei в checks, включая предложения по лицензии/версии. Стандарт требует только [[Т3]] и [[Т4]]; 150 символов, 60 слов, WHEN:, префиксы типов и цель 500 токенов — это эвристика, а не нормативные правила. Статические оценки и доказательства не являются ни наблюдаемой активацией, ни аудитом безопасности. Смотрите рейтинг и переносимость хоста для ограничений, ограничений времени выполнения и отдельной работы расширения Copilot в No 5.

Таблица содержимого

• Обзор Быстрый старт

• Статус распространения и освобождения

• Предварительные условия

• Как это работает

• Конфигурация

• Критерии оценки

• Примеры

• Устранение неполадок

• Вклад

Обзор

###Проблема

Навыки без надлежащего фронтматера приводят к столкновению ** навыков ** - агенты, использующие неправильный навык для заданного запроса. Общие вопросы включают:

Sensei

“A true master teaches not by telling, but by refining.” - The Skill Sensei

Sensei validates portable Agent Skills frontmatter and suggests authoring improvements using the Ralph loop pattern. Medium-High is a Sensei advisory target, not a specification compliance level.

Specification versus advice: score keeps portable diagnostics in specChecks and optional Sensei recommendations in checks, including license/version suggestions. The standard requires only name and description; 150 characters, 60 words, WHEN:, type prefixes, and the 500-token target are heuristics, not normative rules. Static scores and proof artifacts are neither observed activation nor security audits. See scoring and host portability for constraints, runtime limitations, and the separately owned Copilot extension work in #5.

Table of Contents

• Overview
• Quick Start
• Distribution and Release Status
• Prerequisites
• How It Works
• Configuration
• Scoring Criteria
• Examples
• Troubleshooting
• Contributing

---

Overview

The Problem

Skills without proper frontmatter lead to skill collision - agents invoking the wrong skill for a given prompt. Common issues include:

• No triggers - Agent doesn’t know when to activate the skill
• Ambiguous scope - Similar skills compete for the same request
• Vague descriptions - Length alone does not establish useful context
• Token bloat - Oversized skills waste context window

The Solution

Sensei implements the “Ralph Wiggum” technique:

1. Read - Load the skill’s current state and token count
2. Score - Evaluate frontmatter compliance
3. Improve - Clarify positive scope and test close near-misses
4. Verify - Run tests to ensure changes work
5. Check Tokens - Analyze token usage, gather suggestions
6. Summary - Display before/after with suggestions
7. Prompt - Ask user: Commit, Create Issue, or Skip?
8. Repeat - Until target score reached

---

Quick Start

Using with Copilot CLI

Single Skill

Run sensei on my-skill-name

Single Skill (Fast Mode)

Run sensei on my-skill-name --fast

Multiple Skills

Run sensei on skill-a, skill-b, skill-c

All Low-Adherence Skills

Run sensei on all Low-adherence skills

All Skills

Run sensei on all skills

GEPA Mode (Deep Optimization)

Run sensei on my-skill-name --gepa
Run sensei score my-skill-name

Score-only mode runs without LLM calls.

External Integration Modes

Published packages and Action tags may lag main; see release status