BF human-emotion-recognition-analysis
Использует визуальный ИИ для распознавания многомерных эмоций на фронтальных лицах, таких как счастье, грусть, депрессия, спокойствие, гнев, удивление и страх в реальном времени. Поддерживает количественную оценку интенсивности эмоций и маркировку аномальных эмоций, подходит для взаимодействия человека с компьютером и мониторинга психического здоровья. | Навык распознавания эмоций человека по визуальным данным, основанный на визуальном ИИ для распознавания лиц в реальном времени, распознает многомерные эмоциональные состояния, такие как счастье, грусть, депрессия, спокойствие, гнев, удивление, страх, поддерживает количественную оценку интенсивности эмоций и маркировку аномальных эмоций, подходит для сценариев взаимодействия человека с компьютером и мониторинга психического здоровья.
машинный переводПоказать оригиналСкрыть оригинал«Uses visual AI on frontal faces to recognize multi-dimensional emotion…»
Uses visual AI on frontal faces to recognize multi-dimensional emotions like happiness, sadness, depression, calmness, anger, surprise, and fear in real-time. Supports emotion intensity quantification and abnormal emotion marking, suitable for human-computer interaction and mental health monitoring. | 人体视觉情绪识别技能，基于正面人脸视觉AI实时识别快乐、悲伤、抑郁、平静、愤怒、惊讶、恐惧等多维度情绪状态，支持情绪强度量化与异常情绪标记，适配人机交互、心理健康监测场景
Использует визуальный ИИ для распознавания многомерных эмоций на фронтальных лицах, таких как счастье, грусть, депрессия, спокойствие, гнев, удивление и страх…
Как процесс F 30/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 30/100
- 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
- 40Согласованность. Имя во frontmatter (human-emotion-recognition-analysis) не совпадает с папкой (smyx-human-emotion-recognition-analysis)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Стоимость исполнения. Тело инструкции 1325 токенов
- 100Повторный запуск. Изменяющих операций нет
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
- -253 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 388 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 18 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.