SKILLEMALL.ai
GitHub ↗ EN Войти

AC yolo-vision-tools

Используйте Ultralytics YOLO для выполнения задач компьютерного зрения, таких как обнаружение людей или объектов на изображениях и видео, классификация изображений, оценка позы человека и отслеживание автомобилей, людей или животных на видео.

машинный переводПоказать оригиналСкрыть оригинал«Use Ultralytics YOLO to perform computer vision tasks, such as detecti…»

Use Ultralytics YOLO to perform computer vision tasks, such as detecting people or objects in images and videos, classifying images, estimating human poses, and tracking cars, people, or animals in videos.

ClawHub Agent Skills автор: Ruoyu v1.2.3 MIT-0 17 файлов тело ≈ 2 804 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Используйте Ultralytics YOLO для выполнения задач компьютерного зрения, таких как обнаружение людей или объектов на изображениях и видео, классификация…

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторМедиа и видеоИнфраструктуратип 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
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 17. 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 62/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 50, расплывчатых формулировок: 1
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2804 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 205 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 28 заголовков
    • +3Пошаговые инструкции: 50 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (9 из 9)
    • +3Все 6 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.

    Внешние проверки

    ClawHub: clean
    This is a coherent YOLO computer-vision toolkit, with expected local setup, model download, diagnostics, training, and output-file behavior disclosed in the artifacts.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.