SKILLEMALL.ai

BF smyx-office-worker-posture-warning-analysis

Используя стационарную камеру в офисе (направленную на рабочее место), система в реальном времени анализирует видео с сидячими офисными работниками, определяя продолжительность непрерывного сидения, угол наклона шеи вперед (смещение головы относительно плеч) и кривизну спины (степень сутулости). Когда время непрерывного сидения превышает заданный порог (по умолчанию 1 час) и нет активности по вставанию, выводится "Напоминание о длительном сидении"; когда угол наклона шеи вперед превышает 20° или кривизна спины превышает порог, выводится "Напоминание об аномальной осанке".

машинный переводПоказать оригиналСкрыть оригинал«Using a fixed camera in the office (aimed at the workstation), the sys…»

Using a fixed camera in the office (aimed at the workstation), the system analyzes office workers' sitting-posture video in real time, detecting continuous sitting duration, neck forward angle (head offset relative to shoulders), and back curvature (hunchback degree). | 通过办公区固定摄像头(对准工位)实时分析办公人员的坐姿视频,检测连续坐姿时间、颈部前倾角度(头部相对于肩部的偏移)、背部弯曲度(驼背程度)。当久坐时间超过预设阈值(默认1小时)且未起身活动时,输出'久坐提醒';当颈部前倾角>20°或背部弯曲超过阈值时,输出'姿态异常提醒'。

ClawHub Agent Skills автор: smyx-skills v1.0.10 MIT-0 30 файлов тело ≈ 1 640 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Используя стационарную камеру в офисе (направленную на рабочее место), система в реальном времени анализирует видео с сидячими офисными работниками, определяя…

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

АнализаторИнфраструктураМедиа и видеотип 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 1640 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 408 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 posture-analysis skill is mostly coherent, but it needs Review because it processes sensitive workplace video through cloud services while silently creating and persisting user identity tokens.
LLM: suspicious (high) · 30 авг. 2026 г.