SKILLEMALL.ai

AC cropland-change-compliance

Обнаружение и классификация изменений на пахотных землях по растрам NDVI до и после. Выявляет подозрительные изменения строительства, воды, леса и голой земли, а также генерирует материалы для расследования соответствия. Используйте, когда пользователь хочет проверить пахотные земли на предмет несанкционированных изменений, отслеживать преобразование пахотных земель или генерировать отчеты о соответствии.

машинный переводПоказать оригиналСкрыть оригинал«Detect and classify cropland changes from before/after NDVI rasters. I…»

Detect and classify cropland changes from before/after NDVI rasters. Identifies suspected construction, water, forest, and bare soil changes and generates compliance investigation materials. Use when the user wants to check farmland for unauthorized changes, monitor cropland conversion, or generate compliance reports.

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 5 файлов тело ≈ 473 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Обнаружение и классификация изменений на пахотных землях по растрам NDVI до и после.

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

АнализаторБезопасностьтип и темы размечены автоматически по тексту скилла
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 (cropland-change-compliance) не совпадает с папкой (geoskill-cropland-change-compliance)
    • 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: 4
    • 100Стоимость исполнения. Тело инструкции 473 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 319 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 4 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
    This skill has a real review concern because its remote-download mode can treat ordinary satellite preview images as NDVI data and produce compliance reports from mismatched inputs.
    LLM: suspicious (high) · 31 июл. 2026 г.