SKILLEMALL.ai

AD smyx-separation-anxiety-relief-analysis

AI-определение и снятие тревоги у питомцев при разлуке с хозяином. Система в реальном времени через умную камеру распознает типичные признаки беспокойства: постоянный лай или вой, хождение туда-сюда, царапанье дверей/окон, грызение мебели. Когда тревога достигает заданных порогов, система автоматически запускает успокаивающие действия (воспроизведение записанного голоса хозяина, выдача лакомств через умную кормушку, активация интерактивных игрушек), чтобы снизить тревожность и деструктивное поведение, улучшая самочувствие питомца. Сценарии: дома с питомцами (особенно для работающих или часто путешествующих хозяев), центры передержки животных.

машинный переводПоказать оригиналСкрыть оригинал«AI-powered pet separation anxiety detection & relief when the owner le…»

AI-powered pet separation anxiety detection & relief when the owner leaves home. Real-time monitoring via smart camera detects typical anxiety signs—continuous vocalization, pacing, scratching doors/windows, destructive chewing. When anxiety reaches preset thresholds, the system auto-triggers comfort actions (play owner's pre-recorded voice, dispense treats via smart feeder, activate interactive toys) to reduce anxiety and destructive behavior, improving pet welfare. Scenarios: pet households (especially office workers / frequent travelers), pet boarding centers. | 通过智能家居摄像头(宠物摄像头)实时监测主人离家后宠物的行为,检测持续性发声(哀嚎、嚎叫)、来回踱步、抓挠门窗或破坏家具等分离焦虑典型表现。当焦虑行为达到预设阈值时,自动触发安抚动作,包括播放主人预录的安抚语音、联动智能零食机投掷零食、或启动互动玩具(如自动逗猫棒),减轻宠物独处时的焦虑,减少破坏行为,提升宠物福利。应用场景:宠物家庭(尤其上班族、经常出差的主人)、宠物寄养中心。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.9 MIT-0 30 файлов тело ≈ 1 735 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

AI-определение и снятие тревоги у питомцев при разлуке с хозяином.

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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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

    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 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 1735 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 13. 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 763 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 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
    This skill is a cloud pet-video analysis tool, but it automatically manages identity, stores tokens locally, and sends media plus account-linked data to remote services with limited user control.
    LLM: suspicious (high) · 23 авг. 2026 г.