SKILLEMALL.ai
EN Войти

AC earthquake-damage-assessment

Быстрая оценка ущерба после землетрясения — использует изменения SAR/оптических данных до и после землетрясения, а также данные о застройке и дорогах для быстрой проверки предполагаемых повреждений зданий, блокировок дорог и затронутого населения. Поддерживает слияние нескольких признаков (когерентность/обратное рассеяние/текстура/спектр), агрегацию на уровне объектов, классификацию вероятности повреждения и генерацию задач для ручной проверки.

машинный переводПоказать оригиналСкрыть оригинал«震后损害快速评估 — 利用震前震后 SAR/光学变化和建筑道路暴露，快速筛查疑似建筑损毁、 道路阻断和受影响人口。支持相干性/后向散射/纹理…»

震后损害快速评估 — 利用震前震后 SAR/光学变化和建筑道路暴露，快速筛查疑似建筑损毁、 道路阻断和受影响人口。支持相干性/后向散射/纹理/光谱多特征融合，对象级聚合， 损毁概率分级与人工复核任务生成。

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 6 файлов тело ≈ 806 токенов Открыть источникclawhub.ai↗ проанализирован 29 ч назад

Быстрая оценка ущерба после землетрясения — использует изменения SAR/оптических данных до и после землетрясения, а также данные о застройке и дорогах для…

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

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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

  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: 6. 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 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 (earthquake-damage-assessment) не совпадает с папкой (geoskill-earthquake-damage-assessment)
  • 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: 24
  • 100Стоимость исполнения. Тело инструкции 806 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)
  • +3Длина description 102: рекомендуется 120–800 символов
  • +2Инструкции на одном языке
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 24 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: 76.

Внешние проверки

ClawHub: suspicious
This skill does not look intentionally harmful, but it can generate earthquake damage reports from synthetic data even when real inputs or downloads are supplied, so it needs review before use.
LLM: suspicious (high) · 31 июл. 2026 г.