BD smyx-aquarium-plant-health-monitor-analysis
Мониторинг здоровья водных растений с помощью изображений с аквариумной камеры на базе ИИ. Обнаруживает изменения цвета листьев (пожелтение, обесцвечивание, почернение), морфологические аномалии (растворение, скручивание, дырки) и симптомы дефицита железа у погруженных растений. Выдает оценку состояния и рекомендации по уходу (например, добавление железосодержащих удобрений, регулировка освещения, увеличение CO₂). Помогает в раннем выявлении проблем с водными растениями и поддержании экологического баланса аквариума. Сценарии: умные аквариумы, аквариумы для акваскейпинга, магазины аквариумистики.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered aquatic plant health monitoring from aquarium camera images…»
AI-powered aquatic plant health monitoring from aquarium camera images. Detects leaf color changes (yellowing, bleaching, blackening), morphological anomalies (melting, curling, holes), and iron deficiency symptoms in submerged plants. Outputs health assessment and care suggestions (e.g., supplement iron fertilizer, adjust lighting, increase CO₂). Helps early detection of aquatic plant issues and maintains aquarium ecological balance. Scenarios: smart fish tanks, aquascaping tanks, aquarium shops. | 通过智能鱼缸或水下摄像头拍摄水草的图像，利用AI视觉分析技术识别水草叶片的颜色变化（黄化、白化、发黑）、形态异常（溶叶、卷曲、穿孔）以及缺铁等典型症状，输出健康评估及养护建议（如补充铁肥、调整光照、增加CO₂）。有助于及早发现水草生长问题，维持水族箱生态平衡。应用场景：智能鱼缸、水族箱、水草造景缸、水族店。
Мониторинг здоровья водных растений с помощью изображений с аквариумной камеры на базе ИИ.
Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 35/100
- 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
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1964 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 15. 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
- -293 эмодзи в инструкциях: шум для модели
- -32 из 4 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 659 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 25 заголовков
- +4Есть примеры (3 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.