SKILLEMALL.ai

BF plant-species-recognition-analysis

Точно определяет виды растений по изображениям на основе глубокого обучения и компьютерного зрения, выдает структурированную информацию, включая название вида, семейство, особенности роста и советы по уходу. | Skill for identifying plant species based on deep learning and computer vision, quickly identifying plant species through images, and outputting structured information such as species name, family classification, growth habits, and care tips, providing professional identification services for horticulture, ecological research, and nature education.

машинный переводПоказать оригиналСкрыть оригинал«Accurately identifies plant species from images based on deep learning…»

Accurately identifies plant species from images based on deep learning and computer vision, outputs structured information including species name, family, growth habits and maintenance tips. | 植物物种识别技能,基于深度学习与计算机视觉技术,通过图像快速识别植物物种,输出物种名称、科属分类、生长习性及养护要点等结构化信息,为园艺、生态调研、自然教育提供专业识别服务

ClawHub Agent Skills автор: smyx-skills v1.0.3 MIT-0 29 файлов тело ≈ 1 405 токенов Открыть источникclawhub.ai проанализирован 23 ч назад

Точно определяет виды растений по изображениям на основе глубокого обучения и компьютерного зрения, выдает структурированную информацию, включая название…

Как процесс F 19/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md

АнализаторЛичная продуктивностьРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
19/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: plant-species-recognition-analysis (ClawHub)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 29. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/api_doc.md

Процессный рейтинг: все десять параметров 19/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/api_doc.md
  • 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 (plant-species-recognition-analysis) не совпадает с папкой (smyx-plant-species-recognition-analysis)
  • 100Стоимость исполнения. Тело инструкции 1405 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
  • -255 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 279 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: suspicious
This plant-recognition skill also creates or reuses an account identity, sends files and identity-linked metadata to external services, and persists tokens locally, so it needs review before installation.
LLM: suspicious (high) · VirusTotal: · 30 июн. 2026 г.