AD smyx-adaptive-pet-drying-temperature-analysis
Активируется, когда пользователь предоставляет изображение/видео питомца в полный рост (предпочтительно с разных ракурсов) для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова серверных API для распознавания породы/типа телосложения и оценки плотности шерсти (редкая / средняя / густая), затем выводит рекомендуемую кривую температуры сушки (температура в ℃ + время в минутах) для персонализированного ухода, чтобы снизить риск ожогов (не является медицинской рекомендацией). Сценарии применения: сушильные боксы для животных, груминг-салоны для животных, умные устройства для ухода за животными. | 当用户提供宠物全身图像/视频（多角度最佳）时，触发本技能进行品种识别与毛发密度估算（稀疏/中等/浓密），输出个性化烘干温度曲线（温度 ℃ + 时长 分钟）参数，实现个性化护理，减少烫伤风险（不提供医疗建议）。应用场景：宠物烘干箱、宠物美容店、智能宠物护理设备。
машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a full-body image/video of a pet (multi-…»
Triggers when a user provides a full-body image/video of a pet (multi-angle preferred) for analysis; supports local uploads or network URLs to call server-side APIs for breed/body-type recognition and fur-density estimation (sparse / medium / dense), then outputs a recommended drying temperature curve (temperature in ℃ + time in minutes) for personalized care to reduce scald risk (not a medical recommendation). Application scenarios: pet drying boxes, pet grooming salons, smart pet care devices. | 当用户提供宠物全身图像/视频（多角度最佳）时，触发本技能进行品种识别与毛发密度估算（稀疏/中等/浓密），输出个性化烘干温度曲线（温度 ℃ + 时长 分钟）参数，实现个性化护理，减少烫伤风险（不提供医疗建议）。应用场景：宠物烘干箱、宠物美容店、智能宠物护理设备。
Активируется, когда пользователь предоставляет изображение/видео питомца в полный рост (предпочтительно с разных ракурсов) для анализа; поддерживает локальные…
Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
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: 31. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 41/100
- 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
- 25Шаги. Шагов: 1
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1526 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. 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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- -258 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 633 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.