SKILLEMALL.ai

BF smyx-reptile-thermoregulation-behavior-analysis

С помощью стационарных камер в террариумах система анализирует видео поведения рептилий (ящериц, змей, черепах) и определяет частоту движений и продолжительность пребывания между зоной обогрева (нагретая область под лампой) и зоной укрытия (пещера/холодная сторона). | 通过爬宠箱固定摄像头,分析爬行动物(如蜥蜴、蛇、龟)的行为视频,检测宠物在晒点(加热灯下方高温区域)与躲避区(洞穴、冷区)之间的移动频次、停留时长以及活动节律。系统连续监测,生成每日温区利用报告,异常时推送提醒.

машинный переводПоказать оригиналСкрыть оригинал«Through fixed enclosure cameras, the system analyzes behavior videos o…»

Through fixed enclosure cameras, the system analyzes behavior videos of reptiles (lizards, snakes, turtles) and detects movement frequency and dwell duration between the basking zone (heated area under the basking lamp) and the hiding zone (cave/cool side). | 通过爬宠箱固定摄像头,分析爬行动物(如蜥蜴、蛇、龟)的行为视频,检测宠物在晒点(加热灯下方高温区域)与躲避区(洞穴、冷区)之间的移动频次、停留时长以及活动节律。系统连续监测,生成每日温区利用报告,异常时推送提醒。

ClawHub Agent Skills автор: smyx-skills v1.0.9 MIT-0 30 файлов тело ≈ 2 438 токенов Открыть источникclawhub.ai проанализирован 15 ч назад

С помощью стационарных камер в террариумах система анализирует видео поведения рептилий (ящериц, змей, черепах) и определяет частоту движений и…

Как процесс F 32/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторМедиа и видеоРазработкатип 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
F
32/100
Не запустится
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 32/100

  • 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
  • 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 2438 токенов

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
  • -271 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 366 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
The skill is a real cloud-backed reptile video analysis tool, but it silently manages user identity, uploads media, queries report history, and stores tokens locally with limited user control.
LLM: suspicious (high) · 24 авг. 2026 г.