SKILLEMALL.ai
EN Войти

AC apple-photos-cleaner

Анализируйте, очищайте и организуйте библиотеки Apple Photos. Находите и сообщайте о ненужных фото (скриншоты, низкое качество, остатки серий, дубликаты), анализируйте использование хранилища, создавайте сводки фотохроники, планируйте умный экспорт, анализируйте Live Photos, проверяйте синхронизацию iCloud, аудируйте общие библиотеки, обнаруживайте похожие фото, подбирайте сезонные моменты и оценивайте качество лиц. Все операции анализа являются ТОЛЬКО ЧТЕНИЕМ базы данных (безопасно). Только для macOS. Требуется Python 3.9+ (только стандартная библиотека) и доступ к базе данных SQLite Apple Photos. Триггеры: очистка Фото, хранилище фото, дубликаты фото, ненужные фото, очистка скриншотов, анализ Фото, фотохроника, экспорт фото, статистика библиотеки Фото, очистка серий, пожиратели хранилища, организация фото, Live Photos, синхронизация iCloud, общая библиотека, похожие фото, сезонные моменты, качество лиц, портреты.

машинный переводПоказать оригиналСкрыть оригинал«Analyze, clean up, and organize Apple Photos libraries. Find and repor…»

Analyze, clean up, and organize Apple Photos libraries. Find and report junk photos (screenshots, low-quality, burst leftovers, duplicates), analyze storage usage, generate photo timeline recaps, plan smart exports, analyze Live Photos, check iCloud sync, audit shared libraries, detect similar photos, curate seasonal highlights, and score face quality. All analysis operations are READ-ONLY on the database (safe). macOS only. Requires Python 3.9+ (stdlib only) and access to the Apple Photos SQLite database. Trigger on: Photos cleanup, photo storage, duplicate photos, junk photos, screenshot cleanup, Photos analysis, photo timeline, photo export, Photos library stats, burst cleanup, storage hogs, photo organization, Live Photos, iCloud sync, shared library, similar photos, seasonal highlights, face quality, portraits.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 30 файлов тело ≈ 9 769 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Анализируйте, очищайте и организуйте библиотеки Apple Photos.

Как процесс C 61/100 · Есть пробелы — слабые места: стоимость исполнения, повторный запуск, отчётность по ходу

АнализаторЛичная продуктивностьтип 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%
75
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Стоимость исполнения вес 6
40
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 25. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 9769 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 61/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 16, без проверки текущего состояния
  • 40Стоимость исполнения. Тело инструкции 9769 токенов: вытесняет саму задачу из окна
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Шаги. Шагов: 267, расплывчатых формулировок: 6
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • 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)
  • +3Длина description 827: рекомендуется 120–800 символов
  • -31 из 21 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 52 заголовков
  • +3Пошаговые инструкции: 267 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (45 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.