SKILLEMALL.ai

BD smyx-pet-scratch-frequency-intensity-analysis

Активируется, когда пользователь предоставляет URL-адрес видео или файл с областью когтеточки для анализа; поддерживает загрузку локальных видео или сетевые URL-адреса для вызова серверных API для распознавания поведения при царапании, анализа частоты царапания, продолжительности одного сеанса и интенсивности (оценивается по амплитуде вибрации), выводя стандартизированные данные наблюдений об уровне стресса и здоровье когтей (без диагностики заболеваний или предписания коррекции поведения). Сценарии применения: умная когтеточка, управление стрессом у нескольких кошек. Причина разработки: стрессовое аномальное царапание, ранние признаки поведенческих проблем. | 当用户提供猫抓板区域的视频URL或文件时,触发本技能进行抓挠行为分析;支持通过上传本地视频或网络视频URL,调用服务端API进行抓挠动作识别,分析抓挠频率、单次持续时间、力度(通过振动幅度估算),评估宠物压力水平和爪子健康状况,输出标准化观察结果(不诊断疾病、不提供行为矫正建议)。应用场景:智能猫抓板、宠物行为监测、多猫家庭压力管理。

машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a cat scratch post area video URL or fil…»

Triggers when a user provides a cat scratch post area video URL or file for analysis; supports local video uploads or network URLs to call server-side APIs for scratch behavior recognition, analyzing scratch frequency, single-session duration, and intensity (estimated via vibration amplitude), outputting standardized observation data on stress level and claw health (without diagnosing diseases or prescribing behavior correction). Application scenarios: smart scratch post, multi-cat household stress management. Development reason: stress-induced abnormal scratch, early signs of behavioral issues. | 当用户提供猫抓板区域的视频URL或文件时,触发本技能进行抓挠行为分析;支持通过上传本地视频或网络视频URL,调用服务端API进行抓挠动作识别,分析抓挠频率、单次持续时间、力度(通过振动幅度估算),评估宠物压力水平和爪子健康状况,输出标准化观察结果(不诊断疾病、不提供行为矫正建议)。应用场景:智能猫抓板、宠物行为监测、多猫家庭压力管理。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.11 MIT-0 30 файлов · 18 скриптов тело ≈ 1 396 токенов Открыть источникclawhub.ai↗ проанализирован 5 дн назад

Активируется, когда пользователь предоставляет URL-адрес видео или файл с областью когтеточки для анализа; поддерживает загрузку локальных видео или сетевые…

Как процесс D 41/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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

    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

    ✓ 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 1396 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
    • -256 эмодзи в инструкциях: шум для модели
    • -32 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 773 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.

    Внешние проверки

    ClawHub: suspicious
    The skill performs pet video analysis, but it also silently creates or reuses an identity, stores service tokens locally, and can query cloud report history, so it needs review before installation.
    LLM: suspicious (high) · 28 сент. 2026 г.