SKILLEMALL.ai

AD smyx-pet-water-fountain-intake-analysis

Активируется, когда пользователь предоставляет URL-адрес видео или файл с зоной питьевого фонтанчика для анализа; поддерживает загрузку локальных видео или сетевых URL-адресов для вызова серверных API для распознавания поведения при питье, отслеживания частоты питья, продолжительности одного сеанса и предполагаемого суточного потребления на питомца, сравнивая с историческими базовыми показателями для обнаружения внезапного падения или всплеска потребления воды, выдавая предупреждения о раннем обнаружении риска заболеваний почек или диабета. Сценарии применения: умные питьевые фонтанчики, мониторинг здоровья в домохозяйствах с несколькими питомцами, управление хроническими заболеваниями питомцев. | 当用户提供饮水机区域视频URL或文件时,触发本技能进行饮水量行为分析;支持通过上传本地视频或网络视频URL,调用服务端API进行饮水行为识别,统计每只宠物的饮水次数、单次时长、日总饮水量,对比历史基线,对饮水骤降或骤升进行预警,辅助早期发现肾病或糖尿病风险。应用场景:智能饮水机、多宠家庭健康监测、宠物慢性病管理。

машинный переводПоказать оригиналСкрыть оригинал«Triggers when a user provides a pet water fountain area video URL or f…»

Triggers when a user provides a pet water fountain area video URL or file for analysis; supports local video uploads or network URLs to call server-side APIs for water intake behavior recognition, tracking drinking frequency, single-session duration, and estimated daily intake per pet, comparing against historical baselines to detect sudden drops or spikes in water consumption, outputting early warning alerts for potential kidney disease or diabetes risk. Application scenarios: smart water fountains, multi-pet household health monitoring, pet chronic disease management. | 当用户提供饮水机区域视频URL或文件时,触发本技能进行饮水量行为分析;支持通过上传本地视频或网络视频URL,调用服务端API进行饮水行为识别,统计每只宠物的饮水次数、单次时长、日总饮水量,对比历史基线,对饮水骤降或骤升进行预警,辅助早期发现肾病或糖尿病风险。应用场景:智能饮水机、多宠家庭健康监测、宠物慢性病管理。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.8 MIT-0 30 файлов тело ≈ 1 504 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Активируется, когда пользователь предоставляет URL-адрес видео или файл с зоной питьевого фонтанчика для анализа; поддерживает загрузку локальных видео или…

Как процесс D 38/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, входы и предусловия

АнализаторИнфраструктураМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
D
38/100
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 38/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 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 1504 токенов
    • low Разделов верхнего уровня: 10. 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
    • -258 эмодзи в инструкциях: шум для модели
    • -32 из 4 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 736 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 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 matches its pet water-intake analysis purpose, but it also silently creates or reuses account identity, stores tokens locally, and sends identity-linked media/history requests to a remote service without enough user control.
    LLM: suspicious (high) · 30 авг. 2026 г.