SKILLEMALL.ai

AD smyx-thermal-fever-screening-analysis

С помощью стационарной тепловизионной камеры, установленной в общественных местах (например, гостиной, столовой), система автоматически анализирует температуру поверхности кожи каждого человека (обычно лоб или лицо) при скоплении нескольких человек и вычисляет разницу между температурой человека и средней температурой других людей в сцене. Когда температура человека значительно выше окружающей группы (разница превышает заданный порог, например, 1,5°C), выводится предупреждение «относительная аномалия температуры», рекомендуется повторное измерение бесконтактным термометром.

машинный переводПоказать оригиналСкрыть оригинал«Using a fixed thermal-imaging camera installed in public areas (e.g.,…»

Using a fixed thermal-imaging camera installed in public areas (e.g., living room, dining room), the system automatically analyzes each person's skin-surface temperature (usually forehead or facial region) when multiple people gather, and computes the difference between an individual's temperature and the average temperature of others in the scene. | 通过安装于公共区域(如客厅、餐厅)的固定热成像摄像头,在多人聚集时自动分析每个人的体表温度(通常为额头或面部区域),计算个体温度与场景内其他人平均温度的差值。当某个人温度显著高于周边人群(差值超过预设阈值,如1.5℃)时,输出'体温相对异常'提醒,建议使用额温枪复测。

ClawHub Agent Skills автор: smyx-sunjinhui v1.0.7 MIT-0 30 файлов тело ≈ 1 663 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

С помощью стационарной тепловизионной камеры, установленной в общественных местах (например, гостиной, столовой), система автоматически анализирует…

Как процесс D 38/100 · 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
38/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 25Шаги. Шагов: 1
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1663 токенов

    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 487 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
    This skill performs the advertised health-video analysis, but it also silently creates and persists user identity state while sending sensitive media and credentials through under-scoped, partly plaintext network paths.
    LLM: suspicious (high) · 7 сент. 2026 г.