SKILLEMALL.ai
GitHub ↗ EN Войти

BF infant_safety_monitoring_analysis

Отслеживает поведение младенца с помощью визуального ИИ, автоматически определяя действия с высоким риском, такие как переворачивание, блокировка рта/носа, лазание или падение с кровати, и запускает мгновенные предупреждения о безопасности.

машинный переводПоказать оригиналСкрыть оригинал«Monitors infant behavior via visual AI, automatically identifying high…»

Monitors infant behavior via visual AI, automatically identifying high-risk actions like rolling over, mouth/nose obstruction, climbing, or falling from bed, and triggers instant safety warnings. | 婴儿智能安全看护技能，基于视觉AI实时监测婴儿行为，自动识别翻身、口鼻遮挡、攀爬、翻越围栏、坠床等高风险动作，即时触发安全预警，守护婴幼儿睡眠与活动安全

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.13 MIT-0 29 файлов тело ≈ 1 308 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Отслеживает поведение младенца с помощью визуального ИИ, автоматически определяя действия с высоким риском, такие как переворачивание, блокировка рта/носа…

Как процесс F 30/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
30/100
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: 29. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 30/100

  • 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
  • 40Согласованность. Имя во frontmatter (infant_safety_monitoring_analysis) не совпадает с папкой (smyx-infant-safety-monitoring-analysis)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Стоимость исполнения. Тело инструкции 1308 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
  • -253 эмодзи в инструкциях: шум для модели
  • -31 из 3 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 274 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 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: 64.

Внешние проверки

ClawHub: suspicious
This skill can analyze infant videos, but it also uploads sensitive media, creates or reuses an internal account, and stores account tokens locally in ways users should review carefully.
LLM: suspicious (high) · 26 авг. 2026 г.