SKILLEMALL.ai

BD smyx-orchid-growth-status-detection-analysis

Точное определение статуса роста орхидей по HD-изображениям (включая корни, видимые через прозрачные горшки) с помощью камер для орхидей или смартфонов. Измеряет количество новых побегов, длину цветоноса и цвет/состояние корней (белый = здоровый, коричневый = старый, черный = гнилой) для предоставления комплексной оценки жизнеспособности (энергичный / нормальный / слабый) и рекомендаций по уходу, таких как «три новых побега, здоровые корни, увеличьте фосфорно-калийные удобрения для стимуляции роста цветоноса». Помогает любителям орхидей точно определить время пересадки и подкормки. Сценарии: уход за домашними орхидеями, теплицы для орхидей, садоводческие студии. | 通过兰花栽培专用摄像头或手机拍摄的高清图像(包括透明兰盆内的根系),利用AI视觉分析技术检测兰花新芽萌发数量、花梗(花箭)生长长度以及根系颜色(白色健康、褐色老化、黑色腐烂),综合输出兰花的生长状态评估(旺盛/正常/衰弱)及养护建议(如"新芽萌发3个,根系健康,可适当增加磷钾肥促进花梗生长")。有助于兰花爱好者精准掌握植株生长节奏,及时调整水肥管理。应用场景:兰花家庭养护、兰花大棚、兰花园艺工作室。

машинный переводПоказать оригиналСкрыть оригинал«AI-powered orchid growth-status detection from HD images (including ro…»

AI-powered orchid growth-status detection from HD images (including roots visible through transparent pots) via orchid cameras or smartphones. Measures new-shoot count, flower-spike length, and root color/condition (white = healthy, brown = aged, black = rotten) to deliver a holistic vitality assessment (vigorous / normal / weak) plus care guidance such as 'three new shoots, healthy roots, increase phosphorus-potassium to promote spike growth'. Helps orchid hobbyists pinpoint repotting and feeding timing. Scenarios: home orchid care, orchid greenhouses, horticulture studios. | 通过兰花栽培专用摄像头或手机拍摄的高清图像(包括透明兰盆内的根系),利用AI视觉分析技术检测兰花新芽萌发数量、花梗(花箭)生长长度以及根系颜色(白色健康、褐色老化、黑色腐烂),综合输出兰花的生长状态评估(旺盛/正常/衰弱)及养护建议(如"新芽萌发3个,根系健康,可适当增加磷钾肥促进花梗生长")。有助于兰花爱好者精准掌握植株生长节奏,及时调整水肥管理。应用场景:兰花家庭养护、兰花大棚、兰花园艺工作室。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.8 MIT-0 30 файлов тело ≈ 1 705 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Точное определение статуса роста орхидей по HD-изображениям (включая корни, видимые через прозрачные горшки) с помощью камер для орхидей или смартфонов.

Как процесс D 35/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

АнализаторИнфраструктуратип 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
D
35/100
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

  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 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 1705 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. 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
  • -284 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 785 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 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
This orchid analysis skill is mostly coherent, but it silently provisions and reuses a remote identity while storing service tokens locally, which users should review before installing.
LLM: suspicious (high) · 17 авг. 2026 г.