BD smyx-succulent-special-state-detection-analysis
AI-детектор состояний суккулентов по HD-изображениям с камер или смартфонов. Определяет три критических состояния: черная гниль (основание стебля или листья чернеют и размягчаются), плавление (листья становятся полупрозрачными и водянистыми), вытягивание (удлиненные междоузлия, увеличенное расстояние между листьями, рыхлая розетка). Выводит тип аномалии с оценкой серьезности, позволяя принять меры на ранней стадии, такие как обрезка, ограничение полива или увеличение освещения. Сценарии: домашний уход за суккулентами, теплицы для суккулентов, цветочные магазины.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered succulent special-state detection from HD images via plant…»
AI-powered succulent special-state detection from HD images via plant cameras or smartphones. Identifies three critical conditions—black rot (stem base or leaves turning black and mushy), etiolation/melting (leaves becoming translucent and water-soaked), and stretching (elongated internodes, widened leaf spacing, loose rosette)—and outputs the anomaly type with severity grading, enabling early intervention such as beheading, water restriction, or increased light. Scenarios: home succulent care, succulent greenhouses, flower shops. | 通过多肉种植摄像头或手机拍摄的高清图像，利用AI视觉分析技术识别多肉植物的三种常见异常状态：黑腐病（茎基部或叶片变黑、腐烂）、化水（叶片透明化、水渍状）、徒长（茎节拉长、叶片间距增大、形态松散）。输出对应的异常状态类型及严重程度，帮助种植者及时采取处理措施（如砍头、控水、增加光照）。应用场景：多肉植物家庭养护、多肉大棚、花店。
AI-детектор состояний суккулентов по HD-изображениям с камер или смартфонов.
Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription 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 1857 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 15. 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
- -285 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 703 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 28 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.