BD smyx-cutting-rooting-status-detection-analysis
AI-анализ для определения стадии укоренения черенков в прозрачных емкостях. Периодически делает снимки основания черенка (видимые через стенку водные или субстратные корни), использует ИИ-зрение для обнаружения и подсчета белых корневых зачатков (крошечные белые точки каллуса), и выдает стадию укоренения (Нет корней / Мало зачатков / Много зачатков / Хорошо развитые корни). Помогает садоводам отслеживать прогресс укоренения черенков, не тревожа их, и выбирать оптимальное время для пересадки. Сценарии: умные ящики для рассады, домашнее укоренение черенков, комнаты для культивирования тканей, сельскохозяйственные исследования.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered non-invasive rooting-stage detection for plant cuttings in…»
AI-powered non-invasive rooting-stage detection for plant cuttings in transparent containers. From smart propagation boxes or transparent cutting containers, periodically captures images of the cutting base (water roots or substrate roots visible through the transparent wall), uses AI vision to detect white root primordia (tiny white callus dots) and count/locate them, and outputs the rooting stage (No Roots / Few Primordia / Many Primordia / Well-Developed Roots). Helps propagators monitor cutting-rooting progress without disturbing the cutting and choose the optimal transplant time. Scenarios: smart propagation boxes, home cutting propagation, tissue-culture rooms, agricultural research. | 通过智能育苗箱或透明扦插容器的固定摄像头，定期拍摄枝条基部的水生根或土培根系（通过透明壁观察），利用AI视觉分析技术识别枝条基部是否出现白色凸起根点（根原基发育形成的白色小点）以及根点的数量和分布，输出生根阶段（无生根/少量根点/大量根点/根系发达）。该技能帮助育苗者在不干扰枝条的情况下，无创监测扦插生根进度，判断移栽时机。应用场景：智能育苗箱、家庭扦插繁殖、植物组培室、农业科研。
AI-анализ для определения стадии укоренения черенков в прозрачных емкостях.
Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 35/100
- 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
- 25Шаги. Шагов: 1
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1472 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 893: рекомендуется 120–800 символов
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- -256 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +4Структура: 19 заголовков
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.