SKILLEMALL.ai

AF smyx-elderly-toilet-time-abnormal-analysis

С помощью камеры, установленной у входа в ванную комнату (или внутри ванной комнаты, обнаруживающей только силуэты людей, без захвата личных данных), система использует обнаружение людей и отслеживание входа/выхода для определения момента, когда пожилой человек входит или выходит из туалета, и рассчитывает непрерывное время пребывания. | 通过在卫生间门口(或内部仅检测人体,不采集隐私细节)安装的摄像头,利用人体检测和进出跟踪技术,识别老年人进入和离开卫生间的时刻,计算连续占用时间。当占用时间超过预设安全阈值(默认30分钟)时,输出异常预警,通知家属或护理人员及时查看,预防老年人因跌倒、突发疾病(如中风、心梗)或体力不支导致的无法自主移动等意外。

машинный переводПоказать оригиналСкрыть оригинал«Using a camera installed at the bathroom doorway (or inside the bathro…»

Using a camera installed at the bathroom doorway (or inside the bathroom only detecting human silhouettes, without capturing private details), the system uses human detection and entry/exit tracking to identify when an elderly person enters or leaves the toilet and calculates the continuous occupancy time. | 通过在卫生间门口(或内部仅检测人体,不采集隐私细节)安装的摄像头,利用人体检测和进出跟踪技术,识别老年人进入和离开卫生间的时刻,计算连续占用时间。当占用时间超过预设安全阈值(默认30分钟)时,输出异常预警,通知家属或护理人员及时查看,预防老年人因跌倒、突发疾病(如中风、心梗)或体力不支导致的无法自主移动等意外。

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 30 файлов тело ≈ 1 617 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

С помощью камеры, установленной у входа в ванную комнату (или внутри ванной комнаты, обнаруживающей только силуэты людей, без захвата личных данных), система…

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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    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 1617 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 466 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: 81.

    Внешние проверки

    ClawHub: suspicious
    The skill matches its stated elder bathroom-monitoring purpose, but it also sends sensitive media and identifiers to cloud services while silently creating and reusing a persistent local identity.
    LLM: suspicious (high) · 28 авг. 2026 г.