SKILLEMALL.ai
GitHub ↗ EN Войти

BF jf-open-pro-traffic-heatmap

Анализ тепловой карты людских потоков в помещении. С помощью периодических снимков с камеры Jiefeng + локального обнаружения голов YOLOv8 создается интерактивный HTML-отчет с наложением размытой гауссовой тепловой карты. Поддерживает анализ тенденций трафика с 10-минутным интервалом, анализ использования пространства и статистику подсчета посетителей.

машинный переводПоказать оригиналСкрыть оригинал«室内人流热力图分析技能。通过杰峰摄像头定时抓拍 + 本地 YOLOv8 头部检测，生成圆形高斯模糊热力图叠加的交互式 HTML 报告。支持…»

室内人流热力图分析技能。通过杰峰摄像头定时抓拍 + 本地 YOLOv8 头部检测，生成圆形高斯模糊热力图叠加的交互式 HTML 报告。支持 10 分钟粒度流量趋势、空间利用率分析和客流计数统计。

ClawHub Agent Skills автор: jftech v1.0.0 MIT-0 18 файлов тело ≈ 2 605 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Анализ тепловой карты людских потоков в помещении.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/db.py, scripts/detect.py, scripts/heatmap.py

ПроцедураGitHubРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/db.py, scripts/detect.py, scripts/heatmap.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 0. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/db.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/detect.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/heatmap.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/report.py

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/db.py, scripts/detect.py, scripts/heatmap.py
  • 0Инструменты и файлы. Не хватает 4 файла(ов): scripts/db.py, scripts/detect.py, scripts/heatmap.py
  • 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
  • 100Шаги. Шагов: 71
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2605 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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)
  • +3Длина description 97: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 28 заголовков
  • +3Пошаговые инструкции: 71 пунктов
  • +4Есть примеры (13 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: suspicious
The skill mostly matches its heatmap-reporting purpose, but it handles surveillance-style camera analytics with recurring capture, IM sharing, runtime downloads, and weak credential/data-scope guidance that should be reviewed before installation.
LLM: suspicious (high) · 30 июл. 2026 г.