SKILLEMALL.ai

AF amc-run-video-calibration

Калибрует предварительно записанные наборы данных `cam_*.mp4` через REST API AutoMagicCalib. Используйте для локальных MP4, предоставленных пользователем; потоки RTSP направляйте в `amc-run-rtsp-calibration`.

машинный переводПоказать оригиналСкрыть оригинал«Calibrates pre-recorded `cam_*.mp4` datasets through the AutoMagicCali…»

Calibrates pre-recorded `cam_*.mp4` datasets through the AutoMagicCalib REST API. Use for user-supplied local MP4s; route live RTSP streams to `amc-run-rtsp-calibration`.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 4 617 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Калибрует предварительно записанные наборы данных cam.mp4 через REST API AutoMagicCalib. Используйте для локальных MP4, предоставленных пользователем; потоки…

Как процесс F 66/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/run_video_calibration.py

ИнтеграцияDockerМедиа и видеотип 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
66/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/run_video_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_video_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 66/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/run_video_calibration.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/run_video_calibration.py
  • 30Повторный запуск. Изменяющих операций: 5, 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 4617 токенов
  • 100Шаги. Шагов: 48
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (3 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 170 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 32 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

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