SKILLEMALL.ai

BD smyx-elderly-hand-tremor-detection-analysis

С помощью стационарной домашней камеры для записи видео пожилого человека в состоянии покоя (помещенного на стол или подлокотник без произвольных движений), AI-видеоанализ обнаруживает периодическое дрожание, извлекает частоту (Гц) и амплитуду (смещение пикселей) тремора и определяет наличие тремора покоя (часто связанного с болезнью Паркинсона и другими неврологическими состояниями). | 通过家庭固定摄像头拍摄老年人手部(置于桌面或自然静止)的视频,利用AI视频分析技术检测手部在静止状态下的周期性抖动频率(Hz)和幅度(像素位移),识别是否存在静止性震颤(常见于帕金森病等神经系统疾病)。该技能可作为早期筛查工具,提示家属或护理人员关注老年人神经系统健康,及时就医.

машинный переводПоказать оригиналСкрыть оригинал«Using a fixed home camera to record video of an elderly person's hand…»

Using a fixed home camera to record video of an elderly person's hand at rest (placed on a table or armrest with no voluntary movement), AI video-motion analysis detects periodic shaking, extracts tremor frequency (Hz) and amplitude (pixel displacement), and identifies the presence of resting tremor (commonly associated with Parkinson's disease and other neurological conditions). | 通过家庭固定摄像头拍摄老年人手部(置于桌面或自然静止)的视频,利用AI视频分析技术检测手部在静止状态下的周期性抖动频率(Hz)和幅度(像素位移),识别是否存在静止性震颤(常见于帕金森病等神经系统疾病)。该技能可作为早期筛查工具,提示家属或护理人员关注老年人神经系统健康,及时就医。

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 30 файлов тело ≈ 1 493 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

С помощью стационарной домашней камеры для записи видео пожилого человека в состоянии покоя (помещенного на стол или подлокотник без произвольных движений)…

Как процесс D 38/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторМедиа и видеоИнфраструктуратип 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
D
38/100
Процесс не доведён
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 38/100

  • 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
  • 25Шаги. Шагов: 1
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1493 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
  • -255 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 525 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 health-video analysis skill appears purpose-related, but it automatically uploads sensitive videos, creates or reuses identities, retrieves report history, and stores account tokens locally with limited user control.
LLM: suspicious (high) · 30 авг. 2026 г.