SKILLEMALL.ai

AC aquaculture-pond-mapping

Идентифицирует и отслеживает аквакультурные пруды по мультитемпоральным данным дистанционного зондирования. Обнаруживает прибрежные и внутренние пруды, вычисляет статистику площади, отслеживает расширение/заброшенность и анализирует преобразование с водно-болотными угодьями/пахотными землями. Используйте при картировании распределения аквакультуры, мониторинге динамики прудов, оценке воздействия на окружающую среду или создании инвентарных списков прудов.

машинный переводПоказать оригиналСкрыть оригинал«Identify and monitor aquaculture ponds from multi-temporal remote sens…»

Identify and monitor aquaculture ponds from multi-temporal remote sensing. Detects coastal and inland ponds, computes area statistics, tracks expansion/abandonment, and analyzes conversion with wetlands/cropland. Use when mapping aquaculture distribution, monitoring pond dynamics, assessing environmental impacts, or generating pond inventories.

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 6 файлов тело ≈ 1 364 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Идентифицирует и отслеживает аквакультурные пруды по мультитемпоральным данным дистанционного зондирования.

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ИнтеграцияРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 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
    • 40Согласованность. Имя во frontmatter (aquaculture-pond-mapping) не совпадает с папкой (geoskill-aquaculture-pond-mapping)
    • 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: 32
    • 100Стоимость исполнения. Тело инструкции 1364 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 11. 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)
    • +2Инструкции на одном языке
    • +3Длина description 346 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 32 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    The skill is not clearly malicious, but it can download satellite data and then produce synthetic or incomplete pond-mapping outputs that users could mistake for real analysis.
    LLM: suspicious (high) · VirusTotal: · 31 июл. 2026 г.