SKILLEMALL.ai

BD smyx-trauma-stress-behavior-detection-analysis

С помощью стационарных камер в аварийных убежищах система анализирует видео толпы, пострадавшей от стихийного бедствия, для обнаружения типичных реакций на острый стресс: ступор (длительное неподвижное состояние без реакции на внешние раздражители), тремор (непроизвольное дрожание тела или конечностей), отсутствие реакции (отсутствие ориентации или реакции избегания на призывы или звуки) и гипербдительность (частое сканирование окружения, реакция испуга). При обнаружении указанных выше действий выводится предупреждение о психологическом кризисе, сигнализирующее группе экстренной психологической помощи о необходимости своевременного вмешательства, оказания экстренной психологической поддержки, предотвращения острого стрессового расстройства или посттравматического стрессового расстройства.

машинный переводПоказать оригиналСкрыть оригинал«Using fixed cameras in emergency shelters, the system analyzes video o…»

Using fixed cameras in emergency shelters, the system analyzes video of disaster-affected crowds to detect typical acute stress reactions: stupor (prolonged motionless state with no response to external stimulation), tremor (involuntary shaking of body or limbs), unresponsiveness (no orientation or avoidance reaction to calls or sounds), and hypervigilance (frequent scanning of surroundings, startle reactions). | 通过应急避难所内的固定摄像头,分析受灾人群的行为视频,检测急性应激反应下的典型行为:木僵(长时间静止不动,对外界刺激无反应)、颤抖(身体或四肢不自主抖动)、无反应(对呼唤、声响等刺激没有定向或回避反应)以及过度警觉(频繁环顾四周、惊跳反应)。当检测到上述行为时,输出心理危机预警,提示现场心理救援团队及时介入,提供紧急心理支持,预防急性应激障碍或创伤后应激障碍。

ClawHub Agent Skills автор: smyx-skills v1.0.11 MIT-0 30 файлов тело ≈ 2 012 токенов Открыть источникclawhub.ai проанализирован 11 ч назад

С помощью стационарных камер в аварийных убежищах система анализирует видео толпы, пострадавшей от стихийного бедствия, для обнаружения типичных реакций на…

Как процесс D 35/100 · Процесс не доведён — 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
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 2012 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
  • -260 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 598 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 emergency-video analysis purpose, but it needs Review because it handles highly sensitive shelter footage and report history while silently creating identities, caching tokens, and defaulting to insecure HTTP endpoints.
LLM: suspicious (high) · 8 сент. 2026 г.