SKILLEMALL.ai
GitHub ↗ EN Войти

AC construction-progress-monitor

Мониторинг хода строительства по многовременным спутниковым снимкам. Классифицирует этапы проекта (расчистка, земляные работы, фундамент, конструкция, отделка, завершено) с использованием спектральных индексов и обнаруживает стагнацию. Используйте при отслеживании инфраструктурных проектов, аудите сроков строительства или создании отчетов о ходе работ по данным дистанционного зондирования.

машинный переводПоказать оригиналСкрыть оригинал«Monitor construction progress from multi-temporal satellite imagery. C…»

Monitor construction progress from multi-temporal satellite imagery. Classifies project stages (clearing, earthwork, foundation, structure, finishing, completed) using spectral indices and detects stagnation. Use when tracking infrastructure projects, auditing construction timelines, or generating progress reports from remote sensing data.

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 5 файлов тело ≈ 818 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Мониторинг хода строительства по многовременным спутниковым снимкам.

Как процесс C 63/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ИнтеграцияИнфраструктураРазработкаДанные 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
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 63/100

    • 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
    • 40Согласованность. Имя во frontmatter (construction-progress-monitor) не совпадает с папкой (geoskill-construction-progress-monitor)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 9
    • 100Стоимость исполнения. Тело инструкции 818 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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)
    • +2Инструкции на одном языке
    • +3Длина description 341 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 9 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: suspicious
    The skill's documentation and code do not line up: it advertises satellite-based construction analysis, but its normal workflow generates simulated results and has under-scoped network downloading.
    LLM: suspicious (high) · 31 июл. 2026 г.