SKILLEMALL.ai
GitHub ↗ EN Войти

BC rus-chn05-analyzer

Анализ костного возраста中华05 (RUS-CHN05) — на основе системы ИИ-анализа костного возраста HuiLing Cloud®, используя метод подсчета中华05 RUS-CHN05 по стандарту中华05, анализирует рентгеновские снимки запястья для оценки степени развития костной ткани у детей и подростков в возрасте от 3 до 18 лет. Активируется, когда пользователь загружает рентгеновский снимок запястья/кисти и запрашивает анализ костного возраста, оценку костного возраста, оценку развития роста, прогноз роста. Полный процесс: регистрация и активация → вход по паролю → загрузка изображения → расчет костного возраста с помощью ИИ → генерация диагностического отчета на китайском языке. Поддерживает два пути вызова: легкий путь (только идентификация костного возраста) и полный путь (костный возраст + прогноз роста, метод подсчета по таблице中华05 + метод аппроксимации BCPE).

машинный переводПоказать оригиналСкрыть оригинал«中华05骨龄分析 RUS-CHN05 —— 基于慧龄云®骨龄AI检测系统，采用中华05标准RUS-CHN05计分法，分析手腕X光片，评估3~…»

中华05骨龄分析 RUS-CHN05 —— 基于慧龄云®骨龄AI检测系统，采用中华05标准RUS-CHN05计分法，分析手腕X光片，评估3~18岁儿童青少年骨骼发育程度。 当用户上传手腕/手部X光片并请求骨龄分析、骨龄评估、生长发育评估、身高预测时触发。 完整流程：注册激活→密码登录→图片上传→AI骨龄推算→生成中文诊断报告。 支持两种调用路径：轻量路径（仅骨龄识别）和完整路径（骨龄+身高预测，中华05查表法+BCPE拟合法）。

ClawHub Agent Skills автор: povoss v1.0.1 MIT-0 8 файлов тело ≈ 1 686 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Анализ костного возраста中华05 (RUS-CHN05) — на основе системы ИИ-анализа костного возраста HuiLing Cloud®, используя метод подсчета中华05 RUS-CHN05 по…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкатип 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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
  • низкая Утечка данных read-dotenv README.md:28
    Чтение файла .env
    cp .env.example .env

Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "triggers"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 49
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1686 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -222 эмодзи в инструкциях: шум для модели
  • +2Инструкции на одном языке
  • +3Длина description 216 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 49 пунктов
  • +4Есть примеры (11 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
This skill appears to do what it claims, but it handles children’s medical images and personal data through a third-party service with limited consent, privacy, and history-access safeguards.
LLM: suspicious (medium) · 4 июн. 2026 г.