SKILLEMALL.ai
GitHub ↗ EN Войти

CD tao-train-bevfusion

BEVFusion для многосенсорного 3D-обнаружения объектов. Объединяет облака точек LiDAR и изображения с камер в пространстве «вид сверху» (BEV), используется в автономном вождении для надежного 3D-восприятия. Используйте при обучении, оценке или выполнении инференса для модели TAO BEVFusion. Триггерные фразы включают «обучить BEVFusion», «слияние LiDAR + камеры», «3D-обнаружение BEV», «многосенсорное 3D-восприятие».

машинный переводПоказать оригиналСкрыть оригинал«BEVFusion for multi-sensor 3D object detection. Fuses LiDAR point clou…»

BEVFusion for multi-sensor 3D object detection. Fuses LiDAR point clouds and camera images in bird's-eye-view (BEV) space, used in autonomous driving for robust 3D perception. Use when training, evaluating, or running inference for a TAO BEVFusion model. Trigger phrases include "train BEVFusion", "LiDAR + camera fusion", "BEV 3D detection", "multi-sensor 3D perception".

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 3 212 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

BEVFusion для многосенсорного 3D-обнаружения объектов.

Как процесс D 43/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: references/spec_template_<action>.yaml, references/skill_info.yaml, references/spec_template_train.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
88/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: references/spec_template_<action>.yaml, references/skill_info.yaml, references/spec_template_train.yaml
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 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: references/spec_template_<action>.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: references/skill_info.yaml
  • предупреждение missing-ref ссылка на отсутствующий файл: references/spec_template_train.yaml
  • заметка edit-residue в тексте есть пометки об устаревшем (строки 180): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

Процессный рейтинг: все десять параметров 43/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/spec_template_<action>.yaml, references/skill_info.yaml, references/spec_template_train.yaml
  • 0Инструменты и файлы. Не хватает 3 файла(ов): references/spec_template_<action>.yaml, references/skill_info.yaml, references/spec_template_train.yaml
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3212 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 4 примера фраз-триггеров в кавычках
  • +3Длина description 372 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

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