AB image-analyzer-advisor
Анализирует изображения и предоставляет подробные визуальные сведения, обнаружение объектов, анализ композиции и действенные рекомендации. Используйте, когда пользователь делится изображением или ссылкой на него и хочет получить подробный анализ, понять визуальное содержание или получить предложения по улучшению. Триггеры для запросов типа: "проанализируй это изображение", "что на этой фотографии", "изучи этот скриншот", "проанализируй эту диаграмму/график", "что показывает это изображение", "посмотри на это изображение и скажи мне" или любой запрос на проверку, описание или получение информации из изображения. Также используйте при работе с URL-адресами изображений или путями к файлам, требующими визуального изучения.
машинный переводПоказать оригиналСкрыть оригинал«Analyze images and provide detailed visual insights, object detection,…»
Analyze images and provide detailed visual insights, object detection, composition analysis, and actionable recommendations. Use when the user shares or references an image file or URL and wants detailed analysis, understanding of visual content, or suggestions for improvement. Triggers on requests like: "analyze this image", "what's in this photo", "examine this screenshot", "analyze this chart/graph/diagram", "what does this image show", "look at this image and tell me", or any request to inspect, describe, or get insights from an image. Also use when working with image URLs or file paths that need visual examination.
Анализирует изображения и предоставляет подробные визуальные сведения, обнаружение объектов, анализ композиции и действенные рекомендации.
Как процесс B 68/100 · Почти готов — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Analyze images and provide detailed visual insights, object detect… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
Процессный рейтинг: все десять параметров 68/100
- 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
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 20
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 317 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +3Длина description 627 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 20 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.