SKILLEMALL.ai

BF smyx-hydroponic-nutrient-assessment-analysis

С помощью стационарных камер на установке для гидропонного выращивания делаются снимки высокого разрешения корней растений (в прозрачных контейнерах) и листьев (молодых и старых). Анализ с помощью ИИ распознает цвет корней (белый = здорово, желтый = ранний стресс, коричневый = сильный стресс, черный = гниение) и морфологию листьев (ожог кончиков, краевой некроз, пожелтение, скручивание), чтобы определить, слишком ли концентрирован или разбавлен питательный раствор, и выдает рекомендации по корректировке (добавить чистой воды для разбавления или добавить концентрированный питательный раствор).

машинный переводПоказать оригиналСкрыть оригинал«Using fixed cameras on a hydroponic growing rack to capture high-resol…»

Using fixed cameras on a hydroponic growing rack to capture high-resolution images of plant roots (in transparent containers) and leaves (young and old), AI vision analysis identifies root color (white = healthy, yellow = early stress, brown = severe stress, black = rotting) and leaf morphology (tip burn, leaf-margin scorch, yellowing, curling) to judge whether the nutrient solution is too concentrated or too dilute, and. | 通过水培种植架的固定摄像头拍摄植物根系(透明容器)和叶片(新叶、老叶)的高清图像,利用AI视觉分析技术识别根须颜色(白色健康、黄色初期胁迫、褐色严重胁迫、黑色腐烂)、叶片形态(叶尖灼伤、叶缘焦枯、叶片黄化、卷曲)等特征,判断营养液浓度是否过浓或过稀,并输出调整建议(增加清水稀释或补充浓缩营养液)。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.9 MIT-0 30 файлов тело ≈ 1 627 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

С помощью стационарных камер на установке для гидропонного выращивания делаются снимки высокого разрешения корней растений (в прозрачных контейнерах) и…

Как процесс F 21/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/smyx_hydroponic_nutrient_concentration_assessment_analysis.py

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
63
Прогон на моделях
не было
Процессный рейтинг
F
21/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/smyx_hydroponic_nutrient_concentration_assessment_analysis.py
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: 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/smyx_hydroponic_nutrient_concentration_assessment_analysis.py

Процессный рейтинг: все десять параметров 21/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/smyx_hydroponic_nutrient_concentration_assessment_analysis.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/smyx_hydroponic_nutrient_concentration_assessment_analysis.py
  • 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
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1627 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
  • -254 эмодзи в инструкциях: шум для модели
  • -33 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 577 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: 63.

Внешние проверки

ClawHub: suspicious
The skill appears to perform hydroponic image analysis, but it also silently handles account identity, uses default HTTP service endpoints, and stores remote tokens locally in plaintext.
LLM: suspicious (high) · 8 сент. 2026 г.