SKILLEMALL.ai

AD smyx-pet-pica-behavior-recognition-analysis

Активируется, когда пользователь предоставляет видео с внутренней камеры для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова серверных API для распознавания пикацизма у домашних животных, обнаружения контакта между ртом животного и опасными предметами непищевого происхождения (электрические провода, пластиковые пакеты, носки, салфетки, фрагменты игрушек и т. д.); когда контакт длится ≥ 2 секунд, выдает предупреждающий сигнал, чтобы помочь предотвратить непроходимость кишечника, поражение электрическим током и другие опасности (без диагностики заболеваний). Сценарии применения: внутренние камеры, мониторинг безопасности домашних животных, безопасность умного дома.

машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides an indoor camera video for analysis; sup…»

Triggers when a user provides an indoor camera video for analysis; supports local uploads or network URLs to call server-side APIs for pet pica-behavior recognition, detecting contact between the pet's mouth and non-food hazardous items (electric wires, plastic bags, socks, tissues, toy fragments, etc.); when the contact lasts ≥ 2 seconds, outputs a warning signal to help prevent intestinal obstruction, electric shock and other dangers (without diagnosing diseases). Application scenarios: indoor cameras, pet safety monitoring, smart-home security. | 当用户提供室内监控视频时,触发本技能进行异食行为识别;支持通过上传本地视频或网络视频URL,调用服务端API检测宠物嘴部与电线、塑料袋、袜子、纸巾、玩具碎片等非食物物品的接触动作;持续接触 ≥ 2 秒时输出预警信号,预防肠梗阻、触电等危险(不诊断疾病)。应用场景:室内摄像头、宠物安全监控、智能家居安防。

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 31 файл тело ≈ 1 569 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Активируется, когда пользователь предоставляет видео с внутренней камеры для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова…

Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторИнфраструктураМедиа и видеотип 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
D
41/100
Процесс не доведён
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: 31. 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 1569 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

    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
    • -260 эмодзи в инструкциях: шум для модели
    • -32 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 708 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 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
    This pet-video analysis skill is mostly purpose-aligned, but it silently creates or reuses user identity data and cloud-linked history access in ways users may not understand before installing.
    LLM: suspicious (high) · 24 авг. 2026 г.