AD smyx-pet-climbing-frame-heatmap-analysis
Активируется, когда пользователь предоставляет URL-адрес видео или файл игровой площадки для кошек / кошачьего дерева для анализа; поддерживает загрузку локальных видео или сетевые URL-адреса для вызова серверных API для распознавания активности в нескольких регионах, анализа времени пребывания на каждом уровне, количества прыжков/переходов и генерации 2D тепловой карты активности для оценки объема упражнений и психического благополучия (без диагностики заболеваний). Сценарии применения: игровая площадка для кошек + камера, мониторинг поведения домашних животных, управление здоровьем кошек. Причина разработки: количественная оценка распределения активности кошек и использования обогащения. | 当用户提供猫爬架/猫树区域的视频URL或文件时，触发本技能进行活动热力图分析；支持通过上传本地视频或网络视频URL，调用服务端API进行多区域活动识别，分析各层停留时长、跳跃/转移次数，生成2D活动热力图，用于评估运动量与心理健康（不诊断疾病）。应用场景：猫爬架+摄像头、宠物行为监测、猫咪健康管理。
машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a cat climbing frame / cat tree area vid…»
Triggers when a user provides a cat climbing frame / cat tree area video URL or file for analysis; supports local video uploads or network URLs to call server-side APIs for multi-region activity recognition, analyzing dwell time on each layer, jump/transition counts, and generating a 2D activity heatmap to evaluate exercise volume and mental wellbeing (without diagnosing diseases). Application scenarios: cat climbing frame + camera, pet behavior monitoring, cat health management. Development reason: quantify cat activity distribution and enrichment usage. | 当用户提供猫爬架/猫树区域的视频URL或文件时，触发本技能进行活动热力图分析；支持通过上传本地视频或网络视频URL，调用服务端API进行多区域活动识别，分析各层停留时长、跳跃/转移次数，生成2D活动热力图，用于评估运动量与心理健康（不诊断疾病）。应用场景：猫爬架+摄像头、宠物行为监测、猫咪健康管理。
Активируется, когда пользователь предоставляет URL-адрес видео или файл игровой площадки для кошек / кошачьего дерева для анализа; поддерживает загрузку…
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: 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 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 1357 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 714 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.