SKILLEMALL.ai

AD crawl-analysis

Запускает диагностический анализ, когда пользователи предоставляют видео URL или файлы для рептилий, таких как ящерицы, змеи и пауки. Поддерживает загрузку локальных видео или сетевых URL для вызова серверного API для проверки состояния здоровья. Он анализирует такие характеристики, как чешуя, кожа и внешний вид тела, чтобы выявить потенциальные заболевания и сгенерировать отчет о состоянии здоровья Pet Safety Guardian. | 爬行类宠物健康诊断分析工具,当用户提供蜥蜴、蛇、蜘蛛等爬行宠物的视频 URL 或文件需要分析时,触发本技能进行爬行宠物健康诊断分析;支持通过上传本地视频或网络视频 URL,调用服务端 API 进行爬行宠物健康检查,分析鳞片、皮肤、身体外观等特征,识别潜在疾病并输出宠安卫士健康报告

машинный переводПоказать оригиналСкрыть оригинал«Triggers diagnostic analysis when users provide video URLs or files fo…»

Triggers diagnostic analysis when users provide video URLs or files for reptiles such as lizards, snakes, and spiders. Supports uploading local videos or network URLs to call the server-side API for health checks. It analyzes features like scales, skin, and body appearance to identify potential diseases and generate a Pet Safety Guardian health report. | 爬行类宠物健康诊断分析工具,当用户提供蜥蜴、蛇、蜘蛛等爬行宠物的视频 URL 或文件需要分析时,触发本技能进行爬行宠物健康诊断分析;支持通过上传本地视频或网络视频 URL,调用服务端 API 进行爬行宠物健康检查,分析鳞片、皮肤、身体外观等特征,识别潜在疾病并输出宠安卫士健康报告

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.13 MIT-0 30 файлов тело ≈ 1 487 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Запускает диагностический анализ, когда пользователи предоставляют видео URL или файлы для рептилий, таких как ящерицы, змеи и пауки.

Как процесс D 36/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторМедиа и видеоИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Результат и критерий готовности вес 14
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: 30. 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 36/100

    • 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
    • 25Шаги. Шагов: 1
    • 40Согласованность. Имя во frontmatter (crawl-analysis) не совпадает с папкой (smyx-crawl-analysis)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Стоимость исполнения. Тело инструкции 1487 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -254 эмодзи в инструкциях: шум для модели
    • -32 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 497 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 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: 81.

    Внешние проверки

    ClawHub: suspicious
    The skill’s reptile media analysis is real and mostly disclosed, but it also silently creates or reuses an account, stores auth tokens locally, and has confusing monitoring/history scope that needs review.
    LLM: suspicious (high) · 27 авг. 2026 г.