learn-timeout
General-purpose timeout estimation skill. Trains dual models (duration regression + risk classification) from corpus data and observation feedback. Returns calibrated timeout predictions with confidence intervals for any task type.
ソース情報
- リポジトリ
- grahama1970/agent-stack-public
- ソースの最終更新活動
- 2026年9月24日 15:51
- 検出された SKILL.md の言語
- 英語
- スター
- 0
- フォーク
- 0
インストール方法
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
ソースファイルを確認
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
ファイルエクスプローラー
14 ファイルSKILL.md を表示中
SKILL.md
ソースの指示 · 読み取り専用プレビュー- name
- learn-timeout
- triggers
- ["learn-timeout","timeout prediction","estimate timeout","predict timeout","timeout model"]
- description
- General-purpose timeout estimation skill. Trains dual models (duration regression + risk classification) from corpus data and observation feedback. Returns calibrated timeout predictions with confidence intervals for any task type.
- provides
- ["learn-timeout"]
- composes
- ["task-monitor","agentic-evals"]
- disciplines
- ["ml-training","observability-operations"]
# Learn Timeout
General-purpose timeout estimation that replaces fragmented Ridge/Logistic models with a unified GradientBoosting-based predictor.
## Commands
```bash
./run.sh collect # Gather training data from all sources
./run.sh train # Train both models
./run.sh predict '{"task_type":"pdf_extraction","page_count":400}'
./run.sh observe --task-id X --actual-seconds Y
./run.sh status # Model health dashboard
./run.sh benchmark # Classifier-lab backbone comparison
```
## Prediction Output
```json
{
"estimated_seconds": 4200,
"confidence_interval": [2800, 6300],
"risk_probability": 0.35,
"risk_label": "medium",
"recommended_timeout_seconds": 6300,
"features_used": ["page_count", "table_pages", "domain"],
"model_version": "2026-02-13_v1",
"duration_model_available": true,
"risk_model_available": true
}
```
## Task Types
| task_type | Key Features |
|-----------|-------------|
| `pdf_extraction` | page_count, tables, figures, file_size, domain |
| `llm_api_call` | prompt_tokens, model, provider, image_count |
| `subprocess` | command_type, input_size, complexity_hints |
| `remediation` | issue_count, issue_severity, skill_name |
## Training Data Sources
- Corpus `profile.json` + `timings.jsonl` (S00 features + actual durations)
- Supervisor run logs (`extract_timeout` events)
- Aggregate reports (extraction timing events)
- Observation feedback loop (`data/observations.jsonl`)
GitHubで見る