AD smyx-pet-training-command-execution-analysis
Срабатывает, когда пользователь предоставляет видео тренировочной зоны питомца для анализа; поддерживает локальные загрузки или сетевые URL-адреса для вызова серверных API для распознавания выполнения команд, определения, соответствует ли поза питомца выданным командам (Сидеть / Лежать / Ждать), сравнения времени позы с временными метками команд и оценки успешности выполнения. Когда команда не выполнена, результат может вызвать внешний сигнал голосового повторного запроса (не медицинский / поведенческий совет). Сценарии применения: умные устройства для дрессировки собак, удаленная дрессировка питомцев, коррекция поведения. | 当用户提供训练区域视频时，触发本技能进行姿态-指令匹配分析；支持通过上传本地视频或网络视频URL，调用服务端API检测宠物身体姿态是否符合“坐/卧/等”指令标准，对比指令发出时间，判断是否执行成功；未执行时可由外部设备触发声控重复提示信号（不提供疾病诊断或行为治疗方案）。应用场景：智能训狗设备、宠物远程训练、行为矫正。
машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a training-area video of a pet for analy…»
Triggers when a user provides a training-area video of a pet for analysis; supports local uploads or network URLs to call server-side APIs for command-execution recognition, detecting whether the pet's body posture matches the issued commands (Sit / Down / Stay), comparing posture timing against command timestamps, and judging execution success. When the command is not executed, the result can trigger an external voice repeat-prompt signal (not a medical / behavior-therapy advice). Application scenarios: smart dog-training devices, remote pet training, behavior correction. | 当用户提供训练区域视频时，触发本技能进行姿态-指令匹配分析；支持通过上传本地视频或网络视频URL，调用服务端API检测宠物身体姿态是否符合“坐/卧/等”指令标准，对比指令发出时间，判断是否执行成功；未执行时可由外部设备触发声控重复提示信号（不提供疾病诊断或行为治疗方案）。应用场景：智能训狗设备、宠物远程训练、行为矫正。
Срабатывает, когда пользователь предоставляет видео тренировочной зоны 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 1575 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
- -259 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 742 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.