BD smyx-workplace-stress-heatmap-analysis
С помощью стационарных камер в корпоративных офисных зонах (открытые рабочие места) система анонимно анализирует выражения лиц нескольких сотрудников (например, нахмуренность, опущенные уголки рта) и позы (например, напряженное сидение, наклон вперед, частое трение глаз), а также применяет модель оценки стресса на групповом уровне для вычисления индекса стресса в реальном времени для каждой зоны рабочего места, генерируя тепловую карту распределения стресса всего офиса (цвета от зеленого до красного, зеленый означает низкий стресс, красный — высокий стресс). Система периодически (например, каждый час) генерирует тепловую карту стресса для мониторинга состояния здоровья организации.
машинный переводПоказать оригиналСкрыть оригинал«Using fixed cameras in enterprise office areas (open-plan workstations…»
Using fixed cameras in enterprise office areas (open-plan workstations), the system anonymously analyzes multiple employees' facial expressions (e.g., frowning, downturned mouth corners) and postures (e.g., rigid sitting, forward leaning, frequent eye rubbing), and applies a group-level stress assessment model to compute a real-time stress index for each workstation zone, generating a stress distribution heatmap of the entire. | 通过企业办公区（开放式工位）的固定摄像头，匿名分析多名员工的面部表情（如皱眉、嘴角下垂）和姿态（如僵坐、前倾、频繁揉眼），使用群体压力评估模型计算每个工位区域的实时压力指数，生成整个办公区的压力分布热力图（颜色从绿到红，绿色代表低压力，红色代表高压力）。系统定期（如每小时）生成压力热力图，用于组织健康度监测。
С помощью стационарных камер в корпоративных офисных зонах (открытые рабочие места) система анонимно анализирует выражения лиц нескольких сотрудников…
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 1704 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)
- +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
- +3Длина description 588 символов: достаточно сигнала, не съедает бюджет
- +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: 69.