AC mediapipe
Использовать Google MediaPipe для компьютерного зрения на устройстве — обнаружение ключевых точек лица, рук и позы, обнаружение лиц, обнаружение объектов и сегментация изображений на изображениях, видео или видеопотоках с веб-камеры. Активировать, когда пользователь просит обнаружить лица/руки/позы/объекты, извлечь ключевые точки, удалить фон или выполнить сегментацию селфи, или проанализировать фотографии/видео/веб-камеру с помощью MediaPipe. Предоставляет скрипты/run_mediapipe.py, поддерживающие как устаревший API решений (встроенные модели), так и Tasks API (требуется файл модели), а также ссылки на индексы ключевых точек.
машинный переводПоказать оригиналСкрыть оригинал«Use Google MediaPipe for on-device computer vision — face, hand, and p…»
Use Google MediaPipe for on-device computer vision — face, hand, and pose landmark detection, face detection, object detection, and image segmentation on images, videos, or webcam streams. Activate when the user asks to detect faces/hands/poses/objects, extract landmarks or keypoints, do background removal or selfie segmentation, or analyze photos/videos/webcam with MediaPipe. Provides scripts/run_mediapipe.py supporting both the legacy solutions API (bundled models) and the Tasks API (model file required), plus landmark index references. | 使用 Google MediaPipe 进行端侧计算机视觉：人脸/手势/姿态关键点检测、人脸检测、目标检测和图像分割，支持图片、视频和摄像头。当用户要求检测人脸/手/姿态/目标、提取关键点、背景移除（自拍分割）或使用 MediaPipe 处理图片/视频/摄像头时激活。提供 scripts/run_mediapipe.py，同时支持传统 solutions API（内置模型）与 Tasks API（需模型文件），并附带关键点索引参考。
Использовать Google MediaPipe для компьютерного зрения на устройстве — обнаружение ключевых точек лица, рук и позы, обнаружение лиц, обнаружение объектов и…
Как процесс C 54/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 54/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 21
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2125 токенов
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
- +2Инструкции на одном языке
- +3Длина description 765 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.