BD smyx-plant-leaf-disease-identification-analysis
Идентификация болезней растений по изображениям листьев высокого разрешения с помощью ИИ. Обнаруживает признаки поражения болезнями (цвет, форма, распределение, поверхностные отложения), такие как белые мучнистые пятна (мучнистая роса), ржаво-коричневые споровые пустулы (ржавчина), коричневые некротические пятна (пятнистость листьев) и выдает наиболее вероятный тип болезни с оценкой уверенности. Помогает пользователям быстро диагностировать болезни растений и принимать своевременные меры. Сценарии: растениеводческие фабрики, теплицы, домашнее садоводство, инспекция ферм. | С помощью высококачественных изображений листьев растений ИИ-визуальный анализ определяет признаки поражения болезнями на листьях (цвет, форма, распределение), обнаруживает типичные симптомы, такие как белые мучнистые образования (мучнистая роса), ржаво-коричневые споровые пустулы (ржавчина), коричневые некротические пятна (пятнистость листьев), и выдает наиболее вероятный тип болезни с оценкой уверенности. Помогает пользователям быстро диагностировать болезни растений и принимать меры по борьбе с ними. Сценарии применения: растениеводческие фабрики, теплицы, домашние горшечные растения, уход за садом.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered plant leaf disease identification from high-resolution leaf…»
AI-powered plant leaf disease identification from high-resolution leaf images. Detects disease lesion features (color, shape, distribution, surface deposits) such as white powdery patches (powdery mildew), rust-colored spore pustules (rust), brown necrotic spots (leaf spot), and outputs the most likely disease type with confidence score. Helps users quickly diagnose plant diseases and take timely measures. Scenarios: plant factories, greenhouses, home gardening, farm inspection. | 通过拍摄植物叶片的高清图像，利用AI视觉分析技术识别叶片上的病斑特征（颜色、形状、分布），检测是否有白色粉状物（白粉病）、锈色孢子堆（锈病）、褐色坏死斑（叶斑病）等典型症状，输出最可能的病害类型及置信度。帮助用户快速诊断植物病害，采取防治措施。应用场景：植物工厂、温室大棚、家庭盆栽、园艺养护。
Идентификация болезней растений по изображениям листьев высокого разрешения с помощью ИИ.
Как процесс D 35/100 · Процесс не доведён — 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 35/100
- 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
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1603 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 13. 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
- -280 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 633 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 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.