AD smyx-pet-eating-speed-slow-feed-analysis
Срабатывает, когда пользователь предоставляет видео области кормушки питомца для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова серверных API для определения скорости поедания, записи временных меток начала/окончания кормления, оценки скорости поедания (г/с и секунд на миску), и когда скорость падает ниже безопасного порога (например, < 30 сек/миску), выдает сигнал вмешательства (всплывающая перегородка для медленного кормления или голосовая подсказка) для предотвращения удушья и рвоты (без диагностики заболеваний). Сценарии применения: умные миски для медленного кормления, управление здоровьем питомцев, уход за собаками. | 当用户提供食盆区域视频时，触发本技能进行进食速度检测分析；支持通过上传本地视频或网络视频URL，调用服务端API记录进食开始/结束时间，计算进食速度（克/秒），当低于安全阈值（例如 < 30 秒/碗）时触发外部干预信号（智能慢食碗隔板弹出、语音提醒），预防噎食与呕吐（不诊断疾病）。应用场景：智能慢食碗、宠物健康管理、犬类护理。
машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a video of the pet food-bowl area for an…»
Triggers when a user provides a video of the pet food-bowl area for analysis; supports local uploads or network URLs to call server-side APIs for eating-speed detection, recording start/end timestamps of feeding, estimating eating speed (g/s and seconds-per-bowl), and when the speed falls below the safety threshold (e.g. < 30 sec/bowl) emitting an intervention signal (slow-feed baffle pop-up or voice prompt) to prevent choking and vomiting (without diagnosing diseases). Application scenarios: smart slow-feeder bowls, pet health management, canine care. | 当用户提供食盆区域视频时，触发本技能进行进食速度检测分析；支持通过上传本地视频或网络视频URL，调用服务端API记录进食开始/结束时间，计算进食速度（克/秒），当低于安全阈值（例如 < 30 秒/碗）时触发外部干预信号（智能慢食碗隔板弹出、语音提醒），预防噎食与呕吐（不诊断疾病）。应用场景：智能慢食碗、宠物健康管理、犬类护理。
Срабатывает, когда пользователь предоставляет видео области кормушки питомца для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова…
Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
Как улучшить
- 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: 31. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 41/100
- 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
- 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 1483 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
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
- -260 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 725 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 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: 81.