Навыки computer-vision-expert

📦

computer-vision-expert

Name: computer-vision-expert
Author: sickn33

Ревизия содержимого r1 Безопасно ⚙️ Внешние команды

Создание систем компьютерного зрения

Современные проекты компьютерного зрения требуют выбора между детекцией, сегментацией, VLM, оценкой глубины и развертыванием. Этот навык помогает с архитектурой, выбором моделей, оптимизацией и edge-развертыванием практических систем компьютерного зрения.

Поддерживает: Claude Codex Code(CC)

🥉 78 Бронза

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента

Review the Skillstore skill "computer-vision-expert" from https://skillstore.io/skills/sickn33-computer-vision-expert.md and its manifest at https://skillstore.io/api/skills/sickn33-computer-vision-expert/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Markdown-детали GET /skills/sickn33-computer-vision-expert.md Подписанный manifest GET /api/skills/sickn33-computer-vision-expert/manifest Подписанный lockfile GET /api/skills/sickn33-computer-vision-expert/lockfile

Протестировать

Использование «computer-vision-expert». Нужен пайплайн заводской инспекции для небольших дефектов болтов на edge GPU.

Ожидаемый результат:

Рекомендуется двухэтапный пайплайн: детекция в реальном времени для областей-кандидатов, сегментация для границ дефектов и проверки калибровки для точности измерений. Профилируйте задержку на edge-устройстве до изменения стратегии обучения.

Использование «computer-vision-expert». Нужны визуальные ответы на вопросы для аудита складских полок при неопределенном освещении.

Ожидаемый результат:

Используйте VLM для семантических проверок, детектор для локализации товаров и нормализацию освещения во время съемки. Валидируйте по точности на уровне полок и времени разбора исключений.

Использование «computer-vision-expert». Нужны оценки глубины для навигации робота с одной камеры.

Ожидаемый результат:

Начните с монокулярной оценки глубины для априорных сведений о сцене, затем добавьте калибровку, временное сглаживание и валидацию для конкретных препятствий. Рассматривайте оценки абсолютного расстояния как критически важные для безопасности измерения.

Аудит безопасности

Безопасно

v4 • 06.07.2026 Открыть версионный отчет

The only static finding is a false positive caused by Markdown inline-code backticks around related skill names in SKILL.md line 70. No evidence found of command execution, prompt injection, data exfiltration intent, or executable code.

Просканировано файлов

Проанализировано строк

Пункты проверки

Ложные срабатывания проигнорированы

Факторы риска

⚙️ Внешние команды (1)

SKILL.md:70

Последний завершенный статический и семантический аудит не обнаружил подтвержденных проблем безопасности. Это не доказывает отсутствие побочных эффектов у навыка.

Аудитор:: codex Посмотреть историю аудитов →

Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет

Копировать ссылку на отчёт

https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Значок Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/sickn33-computer-vision-expert/security.svg)](https://skillstore.io/skills/sickn33-computer-vision-expert?utm_source=security_passport_badge)

Значок HTML

<a href="https://skillstore.io/skills/sickn33-computer-vision-expert?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-computer-vision-expert/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Встраиваемая карточка

<iframe src="https://skillstore.io/embed/skills/sickn33-computer-vision-expert.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Академические ссылки (APA · BibTeX · CFF)

Цитата APA

sickn33. (2026). computer-vision-expert security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4

Цитата BibTeX

@techreport{sickn33-sickn33-computer-vision-expert-2026,
  author = {sickn33},
  title = {computer-vision-expert security audit report (audit version 4)},
  institution = {Skillstore},
  year = {2026},
  number = {4},
  url = {https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "computer-vision-expert security audit report (audit version 4)"
version: "unspecified"
type: report
authors:
  - name: "sickn33"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/sickn33-computer-vision-expert/audits/4"
identifiers:
  - type: other
    value: "skillstore:sickn33-computer-vision-expert:audit:4"
    description: "Skillstore immutable audit report identifier"

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий

Архитектура

Сопровождаемость

Контент

Сообщество

Соответствие спецификации

Что вы можете построить

Планирование инспекционного пайплайна

Спроектировать этапы детекции, сегментации и измерений для визуального контроля качества с четкими целями по задержке и точности.

Выбор моделей для продуктовых функций

Сравнить варианты детекторов, сегментаторов, VLM и моделей оценки глубины перед утверждением дорожной карты компьютерного зрения.

Оптимизация edge-развертывания

Подготовить модель компьютерного зрения для устройств с ограниченными ресурсами, рассмотрев форматы экспорта, использование памяти, батчинг и аппаратное ускорение.

Попробуйте эти промпты

Выбрать модель компьютерного зрения

Помогите мне выбрать подход компьютерного зрения для этого проекта: [goal], [data], [latency], [hardware]. Сравните варианты детекции, сегментации, VLM и оценки глубины.

Спроектировать инспекционный пайплайн

Спроектируйте пайплайн визуального контроля для дефектов [object]. Включите настройку съемки, этапы модели, метрики оценки, режимы отказа и ограничения развертывания.

Оптимизировать edge-развертывание

Проверьте мой план edge-развертывания для [model], [device], [latency target] и [memory limit]. Предложите шаги экспорта, квантования и профилирования.

Проверить мультимодальную архитектуру

Оцените эту мультимодальную архитектуру компьютерного зрения: [architecture summary]. Найдите риски, связанные с точностью, задержкой, калибровкой, данными, безопасностью и сопровождением.

Лучшие практики

Укажите целевое оборудование, частоту кадров, цель по точности и допустимую частоту отказов до сравнения моделей.
Используйте репрезентативные примеры изображений и крайние случаи, когда запрашиваете советы по пайплайну или оценке.
Разделяйте выбор модели, проектирование съемки, калибровку, валидацию и планирование развертывания на явные этапы.

Избегать

Выбор большой foundation model до определения ограничений по задержке, памяти и данным.
Опора только на текстовые промпты, когда метки объектов, освещение, масштаб или положение неоднозначны.
Пропуск калибровки и валидации измерений в системах, зависящих от пространственной точности.

Часто задаваемые вопросы

Запускает ли этот навык модели компьютерного зрения?

Нет. Он предоставляет рекомендации по архитектуре, выбору моделей, оптимизации и планированию оценки.

Может ли он помочь с edge-развертыванием?

Да. Он может рассмотреть компромиссы ONNX, TensorRT, NPU, задержки, памяти и квантования.

Поддерживает ли он рабочие процессы сегментации?

Да. Он охватывает концепции сегментации по промптам, уточнения масок и выделения объектов по текстовым подсказкам.

Какие входные данные мне следует предоставить?

Предоставьте цель задачи, тип данных, оборудование, целевую задержку, целевую точность и известные случаи отказа.

Может ли он заменить эмпирический бенчмаркинг?

Нет. Он может планировать бенчмарки, но реальную производительность нужно измерять на репрезентативных данных и оборудовании.

Подходит ли он для критически важных с точки зрения безопасности систем?

Он может помочь с планированием, но критически важные для безопасности системы требуют формальной валидации, мониторинга и экспертной проверки.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Ревизия Skillstore

Примечание о версии

Автор не указал версию.

Репозиторий

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/computer-vision-expert

Ссылка

01171b582d636c013315c5e0d969c64f8d9cdff2

Актуальность поддержки

21.07.2026

Использование

11 загрузок · 135 просмотров

Структура файлов

📄 SKILL.md