BD smyx-vomiting-regurgitation-detection-analysis
ИИ-анализ видео с домашней стационарной камеры для обнаружения рвоты и срыгивания у домашних животных. Идентифицирует ритмичные сокращения брюшной полости, вытягивание головы вперед и открывание рта, а также обнаруживает рвотные массы на полу (пища, шерстяные комки, желчь). Записывает время события, частоту и характеристики рвотных масс для раннего выявления проблем с пищеварением. Сценарии: ежедневный домашний мониторинг здоровья, многопитомные хозяйства, уход за пожилыми животными, наблюдение за стационарными пациентами в ветеринарной клинике. | 通过室内固定摄像头分析宠物活动区域的连续视频，利用动作识别技术检测宠物的呕吐或反流行为（包括腹部节律性收缩、口部张合、头部前伸等典型动作），同时识别地面是否出现呕吐物（食物残渣、毛球、黄色胆汁等），记录发生时间、频次以及呕吐物特征。有助于主人及早发现宠物的消化系统问题，避免延误治疗。应用场景：宠物家庭日常健康监护、多宠家庭、老年宠物护理、宠物医院住院观察。
машинный переводПоказать оригиналСкрыть оригинал«AI-powered pet vomiting and regurgitation detection from indoor fixed-…»
AI-powered pet vomiting and regurgitation detection from indoor fixed-camera video. Identifies rhythmic abdominal contractions, head-forward extension, and mouth opening actions, plus detects vomitus on the floor (food, hairball, bile). Records event time, frequency, and vomitus characteristics for early digestive issue discovery. Scenarios: daily home health monitoring, multi-pet households, senior pet care, animal hospital inpatient observation. | 通过室内固定摄像头分析宠物活动区域的连续视频，利用动作识别技术检测宠物的呕吐或反流行为（包括腹部节律性收缩、口部张合、头部前伸等典型动作），同时识别地面是否出现呕吐物（食物残渣、毛球、黄色胆汁等），记录发生时间、频次以及呕吐物特征。有助于主人及早发现宠物的消化系统问题，避免延误治疗。应用场景：宠物家庭日常健康监护、多宠家庭、老年宠物护理、宠物医院住院观察。
ИИ-анализ видео с домашней стационарной камеры для обнаружения рвоты и срыгивания у домашних животных.
Как процесс D 35/100 · Процесс не доведён — 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 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 1623 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 13. 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
- -273 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 633 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 23 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.