SKILLEMALL.ai

BF smyx-egg-incubation-monitoring-analysis

С помощью固定摄像机 (макросъемка или высокое разрешение) в инкубаторе система периодически делает снимки поверхности яиц черепах или змей и использует ИИ-визуальный анализ для обнаружения изменений цвета скорлупы (обычно белый или бледно-желтый; после оплодотворения могут появиться серые пятна или сосудистая сеть), кровяных прожилок (раннее формирование сосудов в оплодотворенных яйцах, проявляющееся в виде тонких красных линий) и силуэта эмбриона (темная масса).

машинный переводПоказать оригиналСкрыть оригинал«Through a fixed camera (macro or high-resolution) in the incubator, th…»

Through a fixed camera (macro or high-resolution) in the incubator, the system periodically captures surface images of turtle or snake eggs and uses AI visual analysis to detect changes in eggshell colour (normally white or pale yellow; after fertilisation, grey spots or a vascular network may appear), blood streaks (early vascular formation in fertilised eggs, appearing as fine red lines), and embryo silhouette (a dark mass. | 通过孵化箱内的固定摄像头(微距或高分辨率),定期拍摄龟蛋或蛇蛋的表面图像,利用 AI 视觉分析技术检测蛋壳颜色变化(正常为白色或淡黄色,受精发育后可能出现灰斑、血管网络)、血丝(受精卵早期血管形成,呈红色细线状)以及胚胎轮廓(后期可见黑影)。系统每日或每两日自动拍照分析,生成孵化报告。

ClawHub Agent Skills автор: smyx-skills v1.0.12 MIT-0 30 файлов тело ≈ 2 672 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

С помощью固定摄像机 (макросъемка или высокое разрешение) в инкубаторе система периодически делает снимки поверхности яиц черепах или змей и использует…

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

АнализаторИнфраструктуратип 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 (bash, python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2672 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
  • -284 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 575 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
This skill mostly matches its egg-incubation analysis purpose, but it silently creates or reuses user identity, stores tokens locally, and sends media/history requests to backend services with limited upfront privacy disclosure.
LLM: suspicious (high) · 27 авг. 2026 г.