SKILLEMALL.ai

BF smyx-child-happy-moment-capture-analysis

С помощью стационарной камеры дома, в детских садах или на игровых площадках система в реальном времени анализирует поведение и выражения детей, чтобы выявлять счастливые моменты: громкий смех (резко приподнятые уголки рта, прищуренные глаза в форме полумесяца, видны зубы), прыжки (обе ноги от земли), аплодисменты (ритмичные хлопки в ладоши) и радостные реакции на похвалу или награды. При обнаружении счастливых событий автоматически делается снимок высокого разрешения или короткое видео (за 2 секунды до и после), создается «дневник счастья», который отправляется на мобильное приложение родителей, и воспроизводится ободряющий звуковой эффект (например, «Ты молодец!»).

машинный переводПоказать оригиналСкрыть оригинал«Using fixed cameras at home, kindergartens, or playgrounds, the system…»

Using fixed cameras at home, kindergartens, or playgrounds, the system analyzes children's behavior and expressions in real time to identify happy moments: big laughter (mouth corners sharply raised, eyes squinted into crescents, teeth showing), jumping (both feet off the ground), clapping (rhythmic hand clapping), and joyful reactions to praise or rewards. | 通过家庭、幼儿园或游乐场的固定摄像头,实时分析儿童的行为和表情,识别开心瞬间:大笑(面部表情:嘴角大幅度上翘、眼睛眯成月牙、露出牙齿)、蹦跳(双脚离地跳跃)、拍手(双手有节奏地拍击)、以及接收到表扬或奖励时的愉悦反应。当检测到开心事件时,自动抓拍高清图片或短视频(前后2秒),生成'开心日记'推送至家长手机APP,并播放鼓励音效(如'你真棒!

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 30 файлов тело ≈ 1 953 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

С помощью стационарной камеры дома, в детских садах или на игровых площадках система в реальном времени анализирует поведение и выражения детей, чтобы…

Как процесс F 32/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
F
32/100
Не запустится
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 32/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1953 токенов

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
  • -263 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 533 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.

Внешние проверки

ClawHub: suspicious
The skill is mostly aligned with child happy-moment capture, but it handles sensitive child video, cloud history, hidden identity setup, and local token persistence with too little user control.
LLM: suspicious (high) · 29 авг. 2026 г.