AD smyx-pet-litter-box-waste-analysis
Активируется, когда пользователь предоставляет URL видео или файл с областью кошачьего лотка для анализа; поддерживает загрузку локальных видео или сетевых URL для вызова серверных API для распознавания характеристик отходов, анализа морфологии фекалий (жидкий стул, кровавый стул, сухой твердый стул) и размера комка мочи для выявления аномалий мочевыделительной и пищеварительной систем, выдавая оповещения о риске для здоровья (без диагностики заболеваний). Сценарии применения: умные лотки, мониторинг здоровья в многокошачьих домах. Причина разработки: ранние признаки заболеваний мочевыделительной системы, болевая точка для многокошачьих домов.
машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a cat litter box area video URL or file…»
Triggers when a user provides a cat litter box area video URL or file for analysis; supports local video uploads or network URLs to call server-side APIs for waste characteristic recognition, analyzing feces morphology (loose stool, bloody stool, dry hard stool) and urine clump size to identify urinary and digestive system abnormalities, outputting health risk alerts (without diagnosing diseases). Application scenarios: smart litter boxes, multi-cat household health monitoring. Development reason: early signs of urinary diseases, a pain point for multi-cat households. | 当用户提供猫砂盆区域的视频URL或文件时，触发本技能进行排泄物性状分析；支持通过上传本地视频或网络视频URL，调用服务端API进行排泄物识别，分析粪便形态（稀便、血便、干硬便）和尿团大小，识别泌尿系统与消化系统异常，输出健康风险提示（不诊断疾病）。应用场景：智能猫砂盆、多猫家庭健康监测。
Активируется, когда пользователь предоставляет URL видео или файл с областью кошачьего лотка для анализа; поддерживает загрузку локальных видео или сетевых…
Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия
Как улучшить
- 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 41/100
- 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
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1130 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 721 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.