SKILLEMALL.ai

BF smyx-elderly-tachypnea-detection-analysis

С помощью стационарной камеры в спальне (инфракрасной или с низким уровнем освещенности) система анализирует движения грудной клетки/живота пожилых людей в состоянии покоя (сон или спокойное лежание) и вычисляет частоту дыхания (вдохов в минуту). При превышении частоты дыхания нормального верхнего предела (по умолчанию 24 вдоха/мин, нормальная частота дыхания у пожилых людей в состоянии покоя обычно составляет 12-20 вдохов/мин) выдается предупреждение «учащенное дыхание», которое указывает членам семьи или ухаживающему персоналу на возможные проблемы с сердечно-легочными заболеваниями, лихорадкой или респираторной инфекцией у пожилого человека.

машинный переводПоказать оригиналСкрыть оригинал«Using a fixed bedroom camera (infrared or low-light), the system analy…»

Using a fixed bedroom camera (infrared or low-light), the system analyzes chest/abdominal motion of the elderly at rest (sleeping or quietly lying down) and computes the respiratory rate (breaths per minute). | 通过卧室固定摄像头(红外或微光),在老年人静息(睡眠或静卧)状态下分析其胸腹部起伏运动,计算呼吸频率(次/分钟)。当呼吸频率超过正常上限(默认24次/分,老年人静息正常值一般为12-20次/分)时,输出'呼吸急促'预警,提示家属或护理人员关注老年人是否有心肺疾病、发热或呼吸系统感染等潜在问题。

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 30 файлов тело ≈ 1 532 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

С помощью стационарной камеры в спальне (инфракрасной или с низким уровнем освещенности) система анализирует движения грудной клетки/живота пожилых людей в…

Как процесс F 32/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
F
32/100
Не запустится
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • 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: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 32/100

  • 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
  • 25Шаги. Шагов: 1
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1532 токенов

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
  • -254 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 358 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 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: 69.

Внешние проверки

ClawHub: suspicious
This skill has a coherent health-video analysis purpose, but it also silently manages identities, stores tokens, and retrieves cloud health-report history with weak user control.
LLM: suspicious (high) · 29 авг. 2026 г.