BD imou-multimodal-analysis
Интеллектуальный анализ изображений в реальном времени для адресных URL снимков устройств в учетной записи Imou. Поддерживает: обнаружение людей, обнаружение курения, обнаружение использования телефона, обнаружение рабочей одежды и отсутствия на рабочем месте (требуется предварительная настройка шаблона рабочей одежды), обнаружение полок, обнаружение мусора, статистику тепловых карт, обнаружение лиц; создание/постраничный запрос/удаление библиотек обнаруженных объектов и регистрацию/запрос/удаление объектов в библиотеке. Возможности: обнаружение людей, курения, использования телефона, рабочей одежды и отсутствия на рабочем месте (требуется шаблон рабочей одежды), обнаружение полок, мусора, статистика тепловых карт, анализ лиц; создание/список/удаление репозиториев обнаружения и добавление/список/удаление целей в репозитории. Используйте когда: AI-анализ Imou/LeCheng, обнаружение людей, курения, использования телефона, отсутствия на рабочем месте, обнаружение полок, мусора, тепловые карты, анализ лиц, библиотеки обнаружения, AI-анализ снимков устройств. Требуется учетная запись разработчика Imou; установите IMOU_APP_ID, IMOU_APP_SECRET, необязательно IMOU_BASE_URL.
машинный переводПоказать оригиналСкрыть оригинал«对指定账号下设备通道的实时抓图地址进行AI智能场景分析。AI scene analysis for device channel snaps…»
对指定账号下设备通道的实时抓图地址进行AI智能场景分析。AI scene analysis for device channel snapshot URLs under an Imou account. 支持：人形检测、抽烟检测、玩手机检测、工装检测与离岗检测（需预先配置工装模板）、货架检测、垃圾检测、热力图数据统计、人脸检测；检测目标库的创建/分页查询/删除及库内目标注册/查询/删除。 Capabilities: human detection, smoking detection, phone-using detection, workwear detection and absence detection (workwear template required), shelf detection, trash detection, heatmap statistics, face analysis; create/list/delete detect repositories and add/list/delete targets in repository. Use when: 乐橙/Imou AI分析、人形检测、抽烟检测、玩手机检测、工装离岗检测、货架检测、垃圾检测、热力图、人脸检测、检测目标库、device snapshot AI analysis. Requires Imou developer account; set IMOU_APP_ID, IMOU_APP_SECRET, optional IMOU_BASE_URL.
Интеллектуальный анализ изображений в реальном времени для адресных URL снимков устройств в учетной записи Imou.
Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
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 · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
средняя Утечка данных
net-redirectable-api-keyscripts/imou_client.py:24Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
-
средняя Утечка данных
net-redirectable-api-keyscripts/multimodal_analysis.py:40Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой серверAPI key + configurable base URL from environment
Просканировано файлов: 7. 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 48/100
- 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
- 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
- 85Шаги. Шагов: 18, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1965 токенов
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)
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 681 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 18 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.