BF smyx-reptile-excrement-analysis-analysis
Через стационарную камеру в террариуме система захватывает изображение высокого разрешения (или статичный кадр видео) после обнаружения экскрементов и использует визуальный анализ ИИ для идентификации уратов (белые/молочно-белые кристаллы или паста, обычные у ящериц, гекконов и т. д.), включая их размер (площадь в пикселях), а также для идентификации морфологии фекалий (нормально сформированный лог, мягкая пастообразная, водянистая или кровянистая). | 通过爬宠箱固定摄像头，在发现排泄物后拍摄高清图像（或分析视频中的静态帧），利用 AI 视觉分析技术识别尿酸（白色/乳白色结晶或膏状物，常见于蜥蜴、守宫等爬宠）的大小（面积像素）以及粪便的形态（正常成形条状、稀软糊状、水样或带血）。
машинный переводПоказать оригиналСкрыть оригинал«Through a fixed camera in the reptile enclosure, the system captures a…»
Through a fixed camera in the reptile enclosure, the system captures a high-definition image (or a static video frame) once excrement is found, and uses AI visual analysis to identify urate (white/milky-white crystals or paste, common in lizards, geckos, etc.) — including its size (pixel area) — and to identify the morphology of feces (normally formed log, soft pasty, watery, or bloody). | 通过爬宠箱固定摄像头，在发现排泄物后拍摄高清图像（或分析视频中的静态帧），利用 AI 视觉分析技术识别尿酸（白色/乳白色结晶或膏状物，常见于蜥蜴、守宫等爬宠）的大小（面积像素）以及粪便的形态（正常成形条状、稀软糊状、水样或带血）。
Через стационарную камеру в террариуме система захватывает изображение высокого разрешения (или статичный кадр видео) после обнаружения экскрементов и…
Как процесс F 34/100 · Не запустится — 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 34/100
- 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
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 21Шаги. Шагов: 1, расплывчатых формулировок: 2
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2669 токенов
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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 508 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.