SKILLEMALL.ai

BD smyx-reptile-shedding-progress-analysis

Через стационарную камеру в террариуме система периодически делает полнокадровые изображения рептилий (змеи, ящерицы, гекконы) в высоком разрешении и использует визуальный анализ ИИ для обнаружения изменений цвета тела (нормальный яркий → тусклый/беловатый → восстановленный яркий) и состояния глаз (ясные → непрозрачные молочно-голубые → снова ясные), чтобы определить фазу линьки: фаза подготовки (кожа становится беловатой, глаза непрозрачные), в процессе. | Через стационарную камеру в террариуме система периодически делает полнокадровые изображения рептилий (например, змей, ящериц, гекконов) в высоком разрешении и использует визуальный анализ ИИ для обнаружения изменений цвета тела (нормальный цвет → беловатый/серовато-белый → восстановление яркости) и состояния глаз (прозрачные → мутно-серовато-белые → снова прозрачные), чтобы определить фазу линьки: подготовительная фаза (кожа становится беловатой, глаза мутные), активная фаза (начало линьки с головы или части тела), завершающая фаза (старая кожа полностью сброшена, цвет тела восстановлен). Система автоматически анализирует данные ежедневно или раз в полдня, выдавая фазу линьки и рекомендации по уходу.

машинный переводПоказать оригиналСкрыть оригинал«Through a fixed camera in the reptile enclosure, the system periodical…»

Through a fixed camera in the reptile enclosure, the system periodically captures full-body high-definition images of reptiles (snakes, lizards, geckos) and uses AI visual analysis to detect changes in body colour (normal vivid → dull/whitish → restored vivid) and eye state (clear → opaque milky 'blue-phase' → clear again), to determine the shedding phase: preparation phase (skin turns whitish, eyes turn opaque), in-progress. | 通过爬宠箱固定摄像头,定期拍摄爬行动物(如蛇、蜥蜴、守宫)的全身高清图像,利用 AI 视觉分析技术检测体表颜色变化(正常体色 → 发白/灰白 → 恢复鲜艳)以及眼部状态(透明 → 浑浊灰白 → 再次透明),判断蜕皮阶段:准备期(皮肤发白、眼睛浑浊)、进行期(头部或局部开始蜕皮)、完成期(旧皮完全脱离,体色恢复)。系统每日或每半日自动分析,输出蜕皮阶段及护理建议。

ClawHub Agent Skills автор: smyx-skills v1.0.11 MIT-0 30 файлов тело ≈ 2 771 токенов Открыть источникclawhub.ai проанализирован 15 ч назад

Через стационарную камеру в террариуме система периодически делает полнокадровые изображения рептилий (змеи, ящерицы, гекконы) в высоком разрешении и…

Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
35/100
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 30. 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")

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 2771 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
  • -286 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 614 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.

Внешние проверки

ClawHub: suspicious
This skill has a coherent reptile-shedding analysis purpose, but it also silently creates or reuses identities, uploads media to remote services, and stores or sends tokens in ways that need review before installation.
LLM: suspicious (high) · 8 сент. 2026 г.