SKILLEMALL.ai

BF pet-health-monitoring-analysis

На основе компьютерного зрения анализирует показатели здоровья питомцев, такие как частота кормления, частота питья, состояние выделений, психическое состояние, рвотное поведение, хромота через видео с мониторинга камеры/кормушки, своевременно обнаруживает аномальные состояния здоровья питомцев и выводит отчеты о мониторинге здоровья. |技能,基于计算机视觉通过摄像头/喂食器监控视频分析宠物的进食频次、饮水频次、排泄状态、精神状态、呕吐行为、跛行异常等健康指标,及时发现宠物异常健康状况,输出健康监测报告

машинный переводПоказать оригиналСкрыть оригинал«Based on computer vision, analyzes pet health indicators such as feedi…»

Based on computer vision, analyzes pet health indicators such as feeding frequency, drinking frequency, excretion status, mental state, vomiting behavior, and limping abnormalities through camera/feeder monitoring videos, promptly detects abnormal pet health conditions, and outputs health monitoring reports. | 宠物日常健康监测分析技能,基于计算机视觉通过摄像头/喂食器监控视频分析宠物的进食频次、饮水频次、排泄状态、精神状态、呕吐行为、跛行异常等健康指标,及时发现宠物异常健康状况,输出健康监测报告

ClawHub Agent Skills автор: smyx-skills v1.0.14 MIT-0 30 файлов тело ≈ 1 348 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

На основе компьютерного зрения анализирует показатели здоровья питомцев, такие как частота кормления, частота питья, состояние выделений, психическое…

Как процесс F 30/100 · 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
30/100
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 30/100

  • 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
  • 40Согласованность. Имя во frontmatter (pet-health-monitoring-analysis) не совпадает с папкой (smyx-pet-health-monitoring-analysis)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Стоимость исполнения. Тело инструкции 1348 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • -253 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 406 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 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 has a real pet-monitoring purpose, but it silently handles identity, uploads private media, and stores or sends reusable tokens in ways users should review before installing.
LLM: suspicious (high) · 8 сент. 2026 г.