SKILLEMALL.ai
EN Войти

AC hotdog

Хот-дог или нет? Классифицируйте фотографии еды и сразитесь с Nemotron. Используйте, когда пользователь отправляет фотографию еды, спрашивает, является ли что-то хот-догом, или говорит «hotdog», «/hotdog» или «hot dog battle».

машинный переводПоказать оригиналСкрыть оригинал«Hot dog or not? Classify food photos and battle Nemotron. Use when a u…»

Hot dog or not? Classify food photos and battle Nemotron. Use when a user sends a food photo, asks if something is a hot dog, or says 'hotdog', '/hotdog', or 'hot dog battle'.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 3 файла тело ≈ 297 токенов Открыть источникgithub.com↗ проанализирован 27 ч назад

Хот-дог или нет? Классифицируйте фотографии еды и сразитесь с Nemotron. Используйте, когда пользователь отправляет фотографию еды, спрашивает, является ли…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип 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
92/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Секреты в коде secret-high-entropy-token battle-token.txt:1
      Строка, похожая на токен (может быть id, хеш или секрет)
      ih1r…i9X
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:31
      Строка, похожая на токен (может быть id, хеш или секрет) (значение-заглушка)
      exec: curl -s -X POST "https://api.hotdogornot.xyz/api/battle/round" -H "Authorization: Bearer ih1r…i9X" -F "image=@{{MediaPath}}" -F "claw_model={{Model}}" -F "claw_answer=ANS
      заглушка

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 51/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 40Согласованность. Имя во frontmatter (hotdog) не совпадает с папкой (temp)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Ошибки и развилки. Развилок: 2
    • 100Шаги. Шагов: 5
    • 100Стоимость исполнения. Тело инструкции 297 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 175 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 3 заголовков
    • +3Пошаговые инструкции: 5 пунктов
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.