SKILLEMALL.ai

AD smyx-respiratory-rate-abnormal-detect-analysis

AI-мониторинг частоты дыхания домашних животных без контакта во время отдыха. Обнаруживает движение грудной клетки и живота через фиксированную камеру, рассчитывает количество вдохов в минуту и сравнивает с нормами для данного вида/размера тела; выдает раннее предупреждение при отклонениях (например, собака >30 вдохов/мин, кошка >40 вдохов/мин или <8 вдохов/мин). Помогает рано выявлять риски, связанные с сердечно-легочной, дыхательной системой или тепловым стрессом. Сценарии: ночной домашний мониторинг, палаты ветеринарных клиник, центры передержки животных.

машинный переводПоказать оригиналСкрыть оригинал«AI-powered non-contact pet respiratory rate monitoring at rest. Detect…»

AI-powered non-contact pet respiratory rate monitoring at rest. Detects thoracic-abdominal motion via a fixed camera, calculates breaths-per-minute, and compares against species/body-size resting norms; triggers early-warning when abnormal (e.g. dog >30 bpm, cat >40 bpm, or <8 bpm). Helps detect cardiopulmonary, respiratory or heat-stress risks early. Scenarios: home night monitoring, animal hospital wards, pet boarding centers. | 通过宠物窝或休息区固定摄像头,在宠物静息状态下分析其胸腹部起伏运动,自动计算呼吸频率(次/分钟),并与该物种/体型的正常静息呼吸范围进行对比;若检测到呼吸过快(如犬>30次/分钟,猫>40次/分钟)或过慢(<8次/分钟),则输出健康预警,建议主人观察或就医。有助于早期发现呼吸系统、心脏或热应激等潜在问题。应用场景:宠物家庭夜间监护、宠物医院住院部、宠物寄养中心。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.3 MIT-0 30 файлов тело ≈ 1 649 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

AI-мониторинг частоты дыхания домашних животных без контакта во время отдыха.

Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
35/100
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

    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: 30. 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 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 1649 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 12. 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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -271 эмодзи в инструкциях: шум для модели
    • -32 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 617 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 22 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: 81.

    Внешние проверки

    ClawHub: suspicious
    The skill matches its pet respiratory analysis purpose, but it also silently manages persistent identities and tokens and defaults to private debug API endpoints, so it needs review before installation.
    LLM: suspicious (high) · 30 авг. 2026 г.