SKILLEMALL.ai

AC image-handler

Читайте, анализируйте, конвертируйте и манипулируйте файлами изображений (PNG, JPG, GIF, WebP, TIFF, BMP, HEIC, SVG, ICO). Используйте при работе с изображениями: чтение метаданных, конвертация форматов, изменение размера, поворот, сжатие или пакетная обработка. Триггеры при упоминании файлов изображений, путей к файлам с расширениями изображений или запросах на обработку/конвертацию изображений.

машинный переводПоказать оригиналСкрыть оригинал«Read, analyze, convert, and manipulate image files (PNG, JPG, GIF, Web…»

Read, analyze, convert, and manipulate image files (PNG, JPG, GIF, WebP, TIFF, BMP, HEIC, SVG, ICO). Use when working with images: reading metadata, converting formats, resizing, rotating, compressing, or batch processing. Triggers on mentions of image files, file paths with image extensions, or requests to process/convert images.

ClawHub Agent Skills автор: Neckr0ik v1.0.0 5 файлов · 3 скрипта тело ≈ 886 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Читайте, анализируйте, конвертируйте и манипулируйте файлами изображений (PNG, JPG, GIF, WebP, TIFF, BMP, HEIC, SVG, ICO).

Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
54/100
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

    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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Read, analyze, convert, and manipulate image files (PNG, JPG, GIF,… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении

    Процессный рейтинг: все десять параметров 54/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 9, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 886 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
    • -226 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 9 пунктов
    • +4Есть примеры (10 блоков кода)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

    Внешние проверки

    ClawHub: clean
    This is a straightforward local image-processing skill, with expected file reads, metadata inspection, and output-file creation.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.