BC photo-screener
ИИ-предварительный отбор фотографий с использованием модели MobileCLIP2-S0. В 18 раз быстрее, чем ViT-L/14, с 80% согласованностью выбора (пересечение Топ-10 8/10). Используйте, когда пользователь хочет: - Отфильтровать/отобрать большую партию фотографий перед отправкой в LLM - Оценить качество фотографий по эстетике - Удалить почти дублирующиеся фотографии (серийная съемка) - Классифицировать фотографии по типу сцены - Подготовить фотографии для обработки мультимодальным LLM Триггеры: Пользователь упоминает фильтрацию фотографий, отбор изображений, оценку эстетики, удаление дубликатов, классификацию сцен или подготовку фотографий для LLM. Автоматически пропускается, когда количество фотографий ≤ запрошенного пользователем количества вывода ИЛИ ≤ 20 (размер пакета). Срабатывает только тогда, когда количество фотографий превышает оба порога. Зависимости: Python: torch, open-clip-torch, pillow, numpy, pillow-heif (опционально, для HEIC/HEIF) Модель: MobileCLIP2-S0 (~300 МБ, загружается по запросу с подтверждением пользователя) Проверить: bash scripts/setup_deps.sh Загрузка модели: Модель НЕ загружается предварительно. При первом запуске: - Интерактивный режим: запрашивает подтверждение у пользователя - Неинтерактивный режим: завершается с инструкциями по ручной загрузке - Использует зеркало HuggingFace (hf-mirror.com) для ускорения в Китае - Добавьте --auto-download, чтобы пропустить подтверждение
машинный переводПоказать оригиналСкрыть оригинал«AI-powered photo pre-screening using MobileCLIP2-S0 model. 18x faster…»
AI-powered photo pre-screening using MobileCLIP2-S0 model. 18x faster than ViT-L/14 with 80% selection consistency (Top-10 overlap 8/10). Use when the user wants to: - Filter/screen a large batch of photos before sending to LLM - Score photos by aesthetic quality - Remove near-duplicate photos (burst shots) - Classify photos by scene type - Prepare photos for multimodal LLM processing Triggers: User mentions filtering photos, screening images, aesthetic scoring, removing duplicates, classifying scenes, or preparing photos for LLM. Auto-skipped when photo count ≤ user's requested output count OR ≤ 20 (batch_size). Only triggered when photo count exceeds both thresholds. Dependencies: Python: torch, open-clip-torch, pillow, numpy, pillow-heif (optional, for HEIC/HEIF) Model: MobileCLIP2-S0 (~300MB, downloaded on demand with user confirmation) Check: bash scripts/setup_deps.sh Model Download: The model is NOT pre-downloaded. On first run: - Interactive mode: prompts user for confirmation - Non-interactive mode: exits with manual download instructions - Uses HuggingFace mirror (hf-mirror.com) for China acceleration - Add --auto-download to skip confirmation
ИИ-предварительный отбор фотографий с использованием модели MobileCLIP2-S0.
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу
Как улучшить
- Сократите description до 1024 символов.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1192 символов, лимит 1024
Процессный рейтинг: все десять параметров 58/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 60Ошибки и развилки. Развилок: 2
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 5
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1315 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
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)
- +3Длина description 1191: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 5 пунктов
- +4Есть примеры (6 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.