SKILLEMALL.ai

BF smyx-fish-respiratory-rate-monitor-analysis

С помощью стационарных камер на аквариумах система анализирует видео движения открытия/закрытия жаберных крышек рыб, обнаруживает периодическое открытие и закрытие жабер и рассчитывает частоту дыхания (вдохов в минуту). При превышении частоты дыхания нормального порога (например, > 80 вдохов в минуту, в зависимости от вида и температуры воды) выводится сообщение «Предупреждение о нехватке кислорода», предлагающее пользователю проверить качество воды (содержание растворенного кислорода), температуру воды или состояние рыбы.

машинный переводПоказать оригиналСкрыть оригинал«Through fixed cameras on aquariums, the system analyzes fish gill-cove…»

Through fixed cameras on aquariums, the system analyzes fish gill-cover opening / closing motion video, detects periodic gill opening and closing, and calculates respiratory rate (breaths per minute). | 通过鱼缸固定摄像头,分析鱼类的鳃盖开合运动视频,检测鳃盖的周期性开启和闭合,计算呼吸频率(次/分钟)。当呼吸频率超过正常阈值(例如 > 80 次/分钟,具体依品种和水温而定)时,输出'缺氧预警',提示用户检查水质(溶氧量)、水温或鱼的健康状态。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.9 MIT-0 30 файлов тело ≈ 2 106 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

С помощью стационарных камер на аквариумах система анализирует видео движения открытия/закрытия жаберных крышек рыб, обнаруживает периодическое открытие и…

Как процесс F 32/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторМедиа и видеоРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
F
32/100
Не запустится
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 32/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2106 токенов

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
  • -268 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 325 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: 69.

Внешние проверки

ClawHub: suspicious
The skill is a cloud-backed fish video analyzer, but it also silently creates or reuses identity state, stores tokens, reads a workspace identity file, and sends video plus identity data to under-disclosed endpoints.
LLM: suspicious (high) · 23 авг. 2026 г.