SKILLEMALL.ai
GitHub ↗ EN Войти

AC oil-spill-detection

Обнаружение нефтяных пленок в темных пятнах SAR — отбор подозрительных нефтяных пленок из темных пятен SAR, с учетом ветровых полей, формы, текстуры, судов и естественных линий — вывод кандидатов для ручной проверки. Поддерживает сегментацию по порогу обратного рассеяния, оценку достоверности слияния нескольких признаков и фильтрацию ложных срабатываний.

машинный переводПоказать оригиналСкрыть оригинал«SAR 暗斑油膜检测 — 从 SAR 暗斑中筛选疑似油膜，结合风场、形状、纹理、船舶和自然 slick 线索 输出人工复核候选。支持后向散射…»

SAR 暗斑油膜检测 — 从 SAR 暗斑中筛选疑似油膜，结合风场、形状、纹理、船舶和自然 slick 线索 输出人工复核候选。支持后向散射阈值分割、多特征融合置信度评分与误报过滤。

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 6 файлов тело ≈ 859 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Обнаружение нефтяных пленок в темных пятнах SAR — отбор подозрительных нефтяных пленок из темных пятен SAR, с учетом ветровых полей, формы, текстуры, судов и…

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

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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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

  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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 6. 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")

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 (oil-spill-detection) не совпадает с папкой (geoskill-oil-spill-detection)
  • 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: 19
  • 100Стоимость исполнения. Тело инструкции 859 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)
  • +3Длина description 91: рекомендуется 120–800 символов
  • +2Инструкции на одном языке
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 19 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: 76.

Внешние проверки

ClawHub: clean
This skill is a disclosed SAR oil-spill analysis tool with expected file outputs and optional satellite-data downloads, but users should be aware of network use, caching, and unpinned dependencies.
LLM: benign (medium) · VirusTotal: · 31 июл. 2026 г.