SKILLEMALL.ai
GitHub ↗ EN Войти

CC tao-analyze-detection-kpi

Выполнить анализ KPI сервисов данных TAO для обнаружения объектов, сравнивая выводы модели с эталонными данными для вычисления TP/FP/FN/TN, точности, полноты, общей точности и AP для каждого класса при фиксированном IoU. Используйте, когда рабочий процесс обнаружения объектов требует отчета mAP для каждого класса после вывода, или когда пользователь просит "выполнить анализ KPI", "вычислить mAP обнаружения" или "оценить мои предсказания OD по сравнению с эталонными данными".

машинный переводПоказать оригиналСкрыть оригинал«Run TAO Data Services KPI analysis for object detection, comparing inf…»

Run TAO Data Services KPI analysis for object detection, comparing inference annotations against ground truth to compute per-class TP/FP/FN/TN, precision, recall, accuracy, and AP at a fixed IoU. Use when an object detection workflow needs per-class mAP reported after inference, or when the user asks to "run KPI analyze", "compute detection mAP", or "score my OD predictions against ground truth".

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 2 468 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Выполнить анализ KPI сервисов данных TAO для обнаружения объектов, сравнивая выводы модели с эталонными данными для вычисления TP/FP/FN/TN, точности, полноты…

Как процесс C 56/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: assets/example_mapping.yaml, assets/default_kpi_analyze.yaml

АнализаторDockerДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Скилл ссылается на файлы, которых нет в архиве: assets/example_mapping.yaml, assets/default_kpi_analyze.yaml
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Широкие права средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Широкие права meta-broad-allowed-tools SKILL.md:1
    Заранее разрешены широкие инструменты: Bash
    allowed-tools: Read Bash

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

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: assets/example_mapping.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/default_kpi_analyze.yaml

Процессный рейтинг: все десять параметров 56/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/example_mapping.yaml, assets/default_kpi_analyze.yaml
  • 0Инструменты и файлы. Не хватает 2 файла(ов): assets/example_mapping.yaml, assets/default_kpi_analyze.yaml
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 4, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2468 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 399 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (9 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.