SKILLEMALL.ai

BD 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 v1.0.11 MIT-0 30 файлов · 18 скриптов тело ≈ 1 735 токенов Открыть источникclawhub.ai↗ проанализирован 8 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

АнализаторИнфраструктураРазработкатип 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
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
    The skill is for pet video analysis, but it quietly relies on cloud processing, automatic account identity creation or reuse, and local token persistence, so it should be reviewed before installation.
    LLM: suspicious (high) · 1 окт. 2026 г.