SKILLEMALL.ai

BD arcgis-training-data-fix

Дополнение отсутствующих файлов для обучения глубокого обучения ArcGIS Pro. Поддерживает 9 форматов метаданных (PASCAL_VOC_rectangles, KITTI_rectangles, Classified_Tiles, RCNN_Masks, Labeled_Tiles, MultiLabeled_Tiles, Exported_Tiles, CycleGAN, Imagenet) и 4 формата изображений (TIFF, MRF, JPG, PNG). Автоматически генерирует файлы: esri_model_definition.emd, esri_accumulated_stats.json, map.txt, stats.txt. Используйте этот навык, когда пользователь сталкивается с отсутствием файлов из-за зависания Export Training Data на 100%, когда каталог обучающих данных не распознается Pro, или когда необходимо вручную дополнить файлы обучающих данных.

машинный переводПоказать оригиналСкрыть оригинал«补全ArcGIS Pro深度学习训练数据缺失文件,支持9种元数据格式(PASCAL_VOC_rectangles、KITTI_rectang…»

补全ArcGIS Pro深度学习训练数据缺失文件,支持9种元数据格式(PASCAL_VOC_rectangles、KITTI_rectangles、Classified_Tiles、RCNN_Masks、Labeled_Tiles、MultiLabeled_Tiles、Exported_Tiles、CycleGAN、Imagenet)和4种图像格式(TIFF、MRF、JPG、PNG),自动生成esri_model_definition.emd、esri_accumulated_stats.json、map.txt、stats.txt。当用户遇到Export Training Data卡在100%导致文件缺失、训练数据目录不被Pro识别、或需要手动补全训练数据文件时使用此技能。

ClawHub Agent Skills автор: gongjiekun v5.0.0 MIT-0 4 файла тело ≈ 471 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Дополнение отсутствующих файлов для обучения глубокого обучения ArcGIS Pro.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 4. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 471 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 342 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This ArcGIS training-data repair skill is mostly coherent, but it can permanently delete existing JSON and EMD files in the selected dataset without preview, confirmation, or backup.
LLM: suspicious (high) · VirusTotal: · 9 июл. 2026 г.