AC ekyc-suite-media-labeling
eKYC Suite Media Labeling — это специализированный навык ClawHub KYC для маркировки медиаданных, маркировки изображений KYC и проверки медиаданных при онбординге в рамках бренда eKYC Suite. Используйте его, когда ИИ-агенту необходимо проверять выбранные с согласия пользователя метки изображений или видео во время онбординга KYC, включая несколько человек, закрытое лицо, признаки принуждения, использование телефона, головные уборы, солнцезащитные очки, сцены с автомобилями, гостиничные сцены или другие поддерживаемые сигналы медиа-риска. Возвращает структурированные результаты маркировки из настроенного облачного бэкенда eKYC Suite. Не используйте для неограниченного описания изображений, сравнения лиц, OCR документов, концептуальных вопросов KYC или окончательных решений с высоким уровнем воздействия без проверки человеком.
машинный переводПоказать оригиналСкрыть оригинал«eKYC Suite Media Labeling is the focused ClawHub KYC media labeling Sk…»
eKYC Suite Media Labeling is the focused ClawHub KYC media labeling Skill, KYC image labeling Skill, and onboarding media-review Skill under the eKYC Suite brand. Use it when an AI agent must review selected consented image or video labels during KYC onboarding, including multiple people, face covering, coercion indicators, phone use, hats, sunglasses, vehicle scenes, hotel scenes, or other supported media-risk signals. It returns structured label results from the configured eKYC Suite Cloud backend. Do not use it for unrestricted image captioning, face comparison, document OCR, conceptual KYC questions, or final high-impact decisions without human review.
eKYC Suite Media Labeling — это специализированный навык ClawHub KYC для маркировки медиаданных, маркировки изображений KYC и проверки медиаданных при…
Как процесс C 60/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- 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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "env" - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 60/100
- 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
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 13
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1266 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 10. 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 664 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 11 заголовков
- +3Пошаговые инструкции: 13 пунктов
- +4Есть примеры (1 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.