SKILLEMALL.ai

BF plant-wilting-monitoring-analysis

Ранний мониторинг увядания растений на основе гиперспектральной визуализации и компьютерного зрения, улавливает ранние признаки увядания до появления видимых симптомов, обеспечивает раннее предупреждение для точного полива и борьбы с болезнями. | Навык мониторинга увядания растений, основанный на гиперспектральной визуализации и компьютерном зрении, улавливает ранние признаки увядания до появления видимых симптомов, обеспечивая раннее предупреждение для точного полива и борьбы с болезнями.

машинный переводПоказать оригиналСкрыть оригинал«Early monitoring of plant wilting based on hyperspectral imaging and c…»

Early monitoring of plant wilting based on hyperspectral imaging and computer vision, captures early wilting signs before visible symptoms, provides early warning for precision irrigation and disease control. | 植物枯萎监测技能,基于高光谱成像与计算机视觉,在肉眼可见症状前捕捉早期枯萎迹象,为精准灌溉和病害防控提供早期预警

ClawHub Agent Skills v1.0.13 29 файлов тело ≈ 1 402 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Ранний мониторинг увядания растений на основе гиперспектральной визуализации и компьютерного зрения, улавливает ранние признаки увядания до появления видимых…

Как процесс F 19/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
19/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 29. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/api_doc.md

Процессный рейтинг: все десять параметров 19/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/api_doc.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 25Шаги. Шагов: 1
  • 40Согласованность. Имя во frontmatter (plant-wilting-monitoring-analysis) не совпадает с папкой (smyx-plant-wilting-monitoring-analysis)
  • 100Стоимость исполнения. Тело инструкции 1402 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -255 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 267 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: suspicious
This skill offers plant media analysis, but it needs review because it can send media, identity data, and authentication tokens over insecure HTTP and stores tokens locally.
LLM: suspicious (high)