SKILLEMALL.ai
GitHub ↗ EN Войти

AD urban-expansion-monitor

Обнаруживает и количественно оценивает городское расширение по многовременным растрам застроенных территорий. Используйте, когда пользователь хочет проанализировать изменения, сравнить многовременные растры, вычислить индексы или сгенерировать отчеты об оценке.

машинный переводПоказать оригиналСкрыть оригинал«Detect and quantify urban expansion from multi-temporal built-up raste…»

Detect and quantify urban expansion from multi-temporal built-up rasters. Use when the user wants to analyze changes, compare multi-temporal rasters, compute indices, or generate assessment reports.

ClawHub Agent Skills автор: ruiduobao v2.0.0 MIT-0 5 файлов тело ≈ 468 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Обнаруживает и количественно оценивает городское расширение по многовременным растрам застроенных территорий.

Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, входы и предусловия, ошибки и развилки

АнализаторРазработкаДанные 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
Шаги вес 15
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 5. 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 41/100

    • 0Шаги. Инструкция сплошным текстом, шаги не выделены
    • 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 (urban-expansion-monitor) не совпадает с папкой (geoskill-urban-expansion-monitor)
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Стоимость исполнения. Тело инструкции 468 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)
    • +3Нет пошаговых инструкций или чек-листа
    • +2Инструкции на одном языке
    • +3Длина description 198 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: suspicious
    The skill is not deceptive or destructive, but its auto-download mode can produce urban-expansion reports from raw satellite bands that do not match the built-up raster inputs the analysis expects.
    LLM: suspicious (high) · 31 июл. 2026 г.