SKILLEMALL.ai

AF amc-run-rtsp-calibration

Калибруйте новый набор данных с потоков камер RTSP в реальном времени через REST API AutoMagicCalib. Используйте, когда пользователь предоставляет RTSP URL-адреса или просит откалибровать живые камеры; VIOS записывает клипы, AMC их обрабатывает, затем запускает калибровку.

машинный переводПоказать оригиналСкрыть оригинал«Calibrate a new dataset from live RTSP camera streams via the AutoMagi…»

Calibrate a new dataset from live RTSP camera streams via the AutoMagicCalib REST API. Use when the user provides RTSP URLs or asks to calibrate live cameras; VIOS records clips, AMC ingests them, then runs calibration.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 4 418 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Калибруйте новый набор данных с потоков камер RTSP в реальном времени через REST API AutoMagicCalib.

Как процесс F 63/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/run_rtsp_calibration.py

ПроцедураDockerДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
F
63/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/run_rtsp_calibration.py
Инструменты и файлы вес 18
0
Повторный запуск вес 4
30
Результат и критерий готовности вес 14
40
три самых слабых из десяти параметров · все десять

Как улучшить

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

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/run_rtsp_calibration.py
  • заметка frontmatter-key неизвестное поле фронтматтера "owner"
  • заметка frontmatter-key неизвестное поле фронтматтера "service"
  • заметка frontmatter-key неизвестное поле фронтматтера "reviewed"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"

Процессный рейтинг: все десять параметров 63/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/run_rtsp_calibration.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/run_rtsp_calibration.py
  • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
  • 40Результат и критерий готовности. Не сказано, что считать результатом
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 4418 токенов
  • 85Шаги. Шагов: 41, расплывчатых формулировок: 1
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее

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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 219 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (16 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.