SKILLEMALL.ai

BC pixel-gaze

Позволяет ИИ анализировать изображения поэтапно, а не делать выводы сразу. 4-уровневый метод визуального понимания: общий обзор → определение областей, чувствительных к точности → детальное рассмотрение ключевых деталей → объективное представление результатов. Решает распространенные проблемы, такие как пропуск цифр, неправильное определение состояния или игнорирование мелкого текста при анализе изображений ИИ. Срабатывает, когда пользователь просит проанализировать изображение, распознать содержимое изображения, прочитать текст/цифры на изображении, сравнить детали изображения.

машинный переводПоказать оригиналСкрыть оригинал«让AI像人一样分层看图,不再扫一眼就下结论。4层视觉理解法:整体扫视→识别精度敏感区→专门细看关键细节→如实输出。解决AI看图时漏读数字、错…»

让AI像人一样分层看图,不再扫一眼就下结论。4层视觉理解法:整体扫视→识别精度敏感区→专门细看关键细节→如实输出。解决AI看图时漏读数字、错认状态、忽视小字等常见问题。当用户要求分析图片、识别图中内容、读取图中文字/数字、对比图片细节时触发。

ClawHub Agent Skills автор: MaxStormSpace v1.0.1 MIT-0 4 файла тело ≈ 452 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Позволяет ИИ анализировать изображения поэтапно, а не делать выводы сразу.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "show_name"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 452 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 121 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a prompt-only visual inspection method that is disclosed, purpose-aligned, and does not add hidden tools, persistence, credentials, or file access.
LLM: benign (high) · VirusTotal: · 25 авг. 2026 г.