SKILLEMALL.ai

BD smyx-reptile-circadian-activity-analysis

Через стационарную камеру в террариуме система непрерывно записывает 24-часовое видео и использует методы обнаружения движения для подсчета почасового объема активности (площадь изменения пикселей или соотношение движущихся пикселей), создавая график распределения активности в течение суток. | Через стационарную камеру в террариуме, непрерывно в течение 24 часов записывается видео, с помощью методов обнаружения движения подсчитывается объем активности за каждый час (площадь изменения пикселей или соотношение движущихся пикселей), создается график распределения активности в течение суток. При сохранении аномалии ритма в течение нескольких дней выводится сообщение "нарушение циркадного ритма", рекомендуется скорректировать световой цикл или проверить факторы, мешающие среде (например, ночное освещение, шум).

машинный переводПоказать оригиналСкрыть оригинал«Through a fixed camera in a reptile enclosure, the system continuously…»

Through a fixed camera in a reptile enclosure, the system continuously captures 24-hour video and uses motion-detection techniques to count hourly activity volume (pixel-change area or motion-pixel ratio), producing a circadian activity distribution chart. | 通过爬宠箱固定摄像头,连续 24 小时采集视频,利用运动检测技术统计每小时的活动量(像素变化面积或运动像素比例),生成昼夜活动分布图。当节律异常持续多日时,输出'昼夜节律紊乱'提示,建议调整光照周期或检查环境干扰(如夜间灯光、噪音)。

ClawHub Agent Skills автор: smyx-skills v1.0.13 MIT-0 30 файлов тело ≈ 2 637 токенов Открыть источникclawhub.ai проанализирован 32 ч назад

Через стационарную камеру в террариуме система непрерывно записывает 24-часовое видео и использует методы обнаружения движения для подсчета почасового объема…

Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторМедиа и видеоРазработкатип 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
35/100
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 35/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2637 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
  • -277 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 376 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 skill is a cloud-backed reptile video analyzer, but it silently provisions identity, persists tokens locally, and ships a configuration that can send videos and credentials over plaintext HTTP.
LLM: suspicious (high) · 14 сент. 2026 г.