SKILLEMALL.ai

BF parkinson-epilepsy-behavior-recognition-analysis

Распознает аномальное поведение, такое как тремор конечностей, судороги, скованность и нарушения походки, с помощью видеоанализа, помогая в домашнем мониторинге риска для пациентов с хроническими заболеваниями. | Навык распознавания поведения при паркинсонизме и эпилепсии, с помощью видеоанализа распознает аномальное поведение, такое как тремор конечностей, судороги, скованность, нарушения походки, помогая в домашнем мониторинге риска для пациентов с хроническими заболеваниями.

машинный переводПоказать оригиналСкрыть оригинал«Identifies abnormal behaviors such as limb tremors, convulsions, stiff…»

Identifies abnormal behaviors such as limb tremors, convulsions, stiffness, and gait abnormalities through video recognition, assisting in home risk monitoring for patients with chronic conditions. | 帕金森癫痫行为识别技能,通过视频识别肢体震颤、抽搐、僵硬、步态异常等异常行为,辅助慢性病患者居家风险监测

ClawHub Agent Skills автор: smyx-skills v1.0.12 MIT-0 30 файлов тело ≈ 1 321 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Распознает аномальное поведение, такое как тремор конечностей, судороги, скованность и нарушения походки, с помощью видеоанализа, помогая в домашнем…

Как процесс F 30/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторИнфраструктураМедиа и видеотип 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
30/100
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 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 (parkinson-epilepsy-behavior-recognition-analysis) не совпадает с папкой (smyx-parkinson-epilepsy-behavior-recognition-analysis)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Стоимость исполнения. Тело инструкции 1321 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
  • -255 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 252 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 video-analysis purpose, but it under-discloses sensitive cloud upload, silent account setup, token persistence, and development/private endpoint behavior.
LLM: suspicious (high) · 25 авг. 2026 г.