SKILLEMALL.ai

BF plant-growth-stage-recognition-analysis

Точно определяет ключевые стадии роста растений от прорастания до плодоношения на основе компьютерного зрения и глубокого обучения, предоставляет структурированные данные для поддержки принятия решений в точном земледелии. | Навык определения стадий роста растений, основанный на компьютерном зрении и алгоритмах глубокого обучения, точно определяет ключевые стадии роста растений на протяжении всего жизненного цикла от прорастания до плодоношения, обеспечивая научную поддержку принятия решений в точном земледелии.

машинный переводПоказать оригиналСкрыть оригинал«Accurately identifies key growth stages of plants from germination to…»

Accurately identifies key growth stages of plants from germination to fruiting based on computer vision and deep learning, provides structured data for precision agriculture decision support. | 植物生长阶段识别技能,基于计算机视觉与深度学习算法,精准识别植物从发芽到结果的全生命周期关键生长阶段,为精准农业提供科学决策支持

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.13 MIT-0 29 файлов тело ≈ 1 411 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Точно определяет ключевые стадии роста растений от прорастания до плодоношения на основе компьютерного зрения и глубокого обучения, предоставляет…

Как процесс F 19/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
19/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/api_doc.md

Процессный рейтинг: все десять параметров 19/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/api_doc.md
  • 0Инструменты и файлы. Не хватает 1 файла(ов): references/api_doc.md
  • 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 (plant-growth-stage-recognition-analysis) не совпадает с папкой (smyx-plant-growth-stage-recognition-analysis)
  • 100Стоимость исполнения. Тело инструкции 1411 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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
  • -255 эмодзи в инструкциях: шум для модели
  • -32 из 4 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 258 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +4Есть примеры (3 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.

Внешние проверки

ClawHub: suspicious
The plant-analysis feature is real, but the skill silently manages identity and tokens and is configured to send media and credentials over cleartext HTTP despite claiming HTTPS.
LLM: suspicious (high) · 9 сент. 2026 г.