SKILLEMALL.ai
GitHub ↗ EN Войти

CC tao-run-deft-object-detection

Запустить полный цикл умного дополнения данных DEFT для обнаружения объектов NVIDIA TAO Grounding DINO: нулевая оценка базовой производительности, анализ KPI, анализ разрывов по классам, встраивание SigLIP для слабых изображений, поиск уникальных соседей в пуле источников, подготовка набора данных ODVG и переобучение — повторяется фиксированное количество итераций. Также подготавливает пул источников, из которого осуществляется поиск, в рамках отдельного запуска: псевдо-маркировка Co-DETR, свертывание до целевых классов, конвертация KITTI→COCO→ODVG и встраивание. Используйте для запросов вроде «запустить цикл DEFT OD», «запустить умное дополнение данных для grounding dino», «искать и переобучать мою модель обнаружения», «улучшить OD mAP с помощью анализа разрывов и поиска», «подготовить пул источников» или «псевдо-маркировать мои неразмеченные изображения для поиска»; не используйте для отдельного обучения TAO, одноразовой оценки или только анализа разрывов.

машинный переводПоказать оригиналСкрыть оригинал«Run the full DEFT smart-data-augmentation loop for NVIDIA TAO Groundin…»

Run the full DEFT smart-data-augmentation loop for NVIDIA TAO Grounding DINO object detection: zero-shot baseline inference, KPI analysis, per-class gap analysis, SigLIP embedding of weak images, unique-neighbor mining against a source pool, ODVG dataset staging, and retraining — repeated for a fixed number of iterations. Also prepares the source pool the loop mines from, as a separate run: Co-DETR pseudo-labeling, folding to the target classes, KITTI→COCO→ODVG conversion, and embedding. Use for prompts like "run the DEFT OD loop", "run smart data augmentation for grounding dino", "mine and retrain my detection model", "improve OD mAP with gap analysis and mining", "prep the source pool", or "pseudo-label my unlabeled images for mining"; do not use for standalone TAO training, one-off inference, or gap analysis alone.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 2 985 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Запустить полный цикл умного дополнения данных DEFT для обнаружения объектов NVIDIA TAO Grounding DINO: нулевая оценка базовой производительности, анализ KPI…

Как процесс C 57/100 · Есть пробелы — Скилл ссылается на файлы, которых нет в архиве: scripts/init_deft_state.py, scripts/deft_python.sh, scripts/commit_stage.py

АнализаторDockerИИ и агентыДанные 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%
79
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Скилл ссылается на файлы, которых нет в архиве: scripts/init_deft_state.py, scripts/deft_python.sh, scripts/commit_stage.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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 Skill Task Bash Write

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/init_deft_state.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/deft_python.sh
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/commit_stage.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/prep-source-pool.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/preflight.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/pipeline-and-state.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/*.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/scripts-and-agents.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/tao-analyze-gaps-od-map.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/tao-generate-image-embeddings.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/tao-mine-od-images.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/stage-mined-data.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/grounding-dino.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/tao-analyze-detection-kpi.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/data-layout.md

Процессный рейтинг: все десять параметров 57/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/init_deft_state.py, scripts/deft_python.sh, scripts/commit_stage.py
  • 0Инструменты и файлы. Не хватает 15 файла(ов): scripts/init_deft_state.py, scripts/deft_python.sh, scripts/commit_stage.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 100Шаги. Шагов: 22
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2985 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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

  • +3Длина description 829: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +4Описание говорит, когда скилл НЕ применять
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (2 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.