SKILLEMALL.ai

AB edid-parser

Анализ и разбор EDID (Extended Display Identification Data) мониторов и дисплеев. ИСПОЛЬЗОВАТЬ КОГДА: (1) Пользователь хочет прочитать/разобрать информацию EDID дисплея; (2) Проверка возможностей дисплея и поддерживаемых режимов; (3) Диагностика проблем с дисплеем/HDMI/CEC; (4) Список доступных видеовыходов; (5) Проверка данных EDID и генерация диагностических отчетов; (6) Пакетная обработка нескольких файлов EDID; (7) Работа с подсистемами DRM/KMS/display. ПОДДЕРЖИВАЕТ: Linux sysfs (/sys/class/drm/*/edid), бинарные файлы EDID (.bin), необработанные шестнадцатеричные данные. ВЫВОД: Отчеты, читаемые человеком, JSON-данные, результаты проверки.

машинный переводПоказать оригиналСкрыть оригинал«Parse and analyze EDID (Extended Display Identification Data) from mon…»

Parse and analyze EDID (Extended Display Identification Data) from monitors and displays. USE WHEN: (1) User wants to read/parse display EDID information; (2) Checking display capabilities and supported modes; (3) Debugging display/HDMI/CEC issues; (4) Listing available video outputs; (5) Validating EDID data and generating diagnostic reports; (6) Batch processing multiple EDID files; (7) Working with DRM/KMS/display subsystems. SUPPORTS: Linux sysfs (/sys/class/drm/*/edid), binary EDID files (.bin), raw hex data. OUTPUT: Human-readable reports, JSON data, validation results.

ClawHub Agent Skills автор: LeYao1017 v1.0.1 MIT-0 11 файлов · 3 скрипта тело ≈ 1 260 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ и разбор EDID (Extended Display Identification Data) мониторов и дисплеев.

Как процесс B 66/100 · Почти готов — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

АнализаторДанные и аналитикаИнфраструктураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 11. 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 66/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1260 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 586 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (18 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 6 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This skill is a local EDID display-data parser, with one under-warned troubleshooting command users should avoid unless they understand Linux sysfs writes.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.