Acerca de
Esta Habilidad de Claude califica cartas coleccionables (Pokémon, MTG, Flesh and Blood, Kayou) utilizando los estándares de PSA, BGS o CGC. Realiza una evaluación estructurada que cubre centrado, superficie, bordes y esquinas para asignar una calificación final con un intervalo de confianza. Úsala para preseleccionar cartas antes de enviarlas a calificar, resolver disputas sobre su condición o estimar rangos de valor.
Instalación rápida
Claude Code
Recomendadonpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/grade-tcg-cardCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
Grade TCG Card
Grade card per PSA/BGS/CGC. Observation-first (from meditate) → no grade anchoring.
Use When
- Pre-submission evaluation
- Pre-screen collection → high-grade candidates
- Settle buyer/seller disputes
- Learn consistent grading
- Estimate grade-value spread
In
- Required: card ID (set, #, name, variant)
- Required: images or physical desc (front + back)
- Required: standard (PSA 1-10, BGS 1-10 w/ subgrades, CGC 1-10)
- Optional: known market value at grades
- Optional: game (Pokemon, MTG, FaB, Kayou)
Do
Step 1: Clear bias → observe w/o prejudgment
From meditate Step 2-3: observe w/o anchor to expected grade/value.
- Set aside market value
- DO NOT look up sales/population reports pre-grade
- Known valuable → explicit: "Worth $X PSA 10. Set aside."
- Examine as physical object
- Gut impression noted but NOT anchored
- Premature grade thoughts → "anchoring" → return to observation
→ Neutral start. Grade anchoring = #1 source of inconsistency.
If err: bias sticky (high-value wants 10) → write bias explicit. Externalize → reduce influence. Proceed only as physical object.
Step 2: Centering
- Measure border all 4 sides front:
- L vs R (horizontal)
- T vs B (vertical)
- Ratio: 55/45 L-R, 60/40 T-B
- Repeat back
- Apply thresholds:
PSA Centering Thresholds:
+-------+-------------------+-------------------+
| Grade | Front (max) | Back (max) |
+-------+-------------------+-------------------+
| 10 | 55/45 or better | 75/25 or better |
| 9 | 60/40 or better | 90/10 or better |
| 8 | 65/35 or better | 90/10 or better |
| 7 | 70/30 or better | 90/10 or better |
+-------+-------------------+-------------------+
BGS Centering Subgrade:
+------+-------------------+-------------------+
| Sub | Front (max) | Back (max) |
+------+-------------------+-------------------+
| 10 | 50/50 perfect | 50/50 perfect |
| 9.5 | 55/45 or better | 60/40 or better |
| 9 | 60/40 or better | 65/35 or better |
| 8.5 | 65/35 or better | 70/30 or better |
+------+-------------------+-------------------+
- Record ratio per axis + subgrade.
→ Numeric ratios both faces + grade/subgrade. Most objective measurement.
If err: borders too narrow (full-art, borderless) → "centering N/A — borderless", skip Step 3. Services differ for borderless.
Step 3: Surface
- Front under good light:
- Print defects: ink spots, missing ink, print lines, color inconsistency
- Scratches: direct + angled light
- Whitening: haze/clouding
- Indentations: raking light
- Stain/discoloration: yellowing, water marks, chemical
- Back same criteria
- Factory vs handling:
- Factory: print lines, miscut, crimping → may be less penalized
- Handling: scratches, dents, stains → always penalized
- Rate:
- Pristine (10): flawless under mag
- Near-pristine (9-9.5): minor only under mag
- Excellent (8-8.5): minor naked eye
- Good (6-7): moderate, multiple
- Fair+ (1-5): significant
→ Defect inventory located + described + severity. Factory vs handling distinguished.
If err: low-res images → provide range not point grade. Recommend physical.
Step 4: Edge + corner
- 4 edges:
- Whitening: spots/lines along colored (most common)
- Chipping: edge layer missing
- Roughness: uneven / micro-tears
- Foil separation: holofoil delamination
- 4 corners:
- Sharpness: tip crisp
- Rounding: worn curve (slight/moderate/heavy)
- Splitting: layer separation (dings)
- Bending: turned/creased
- Rate same scale
- Note worst edge/corner
→ Per-edge + per-corner. Worst limits overall grade.
If err: in sleeve/toploader obscures → note which areas not fully assessed.
Step 5: Final grade
- PSA (1-10):
- Weakest sub limits final
- Perfect surface + 65/35 centering → cap PSA 8
- "Lowest limits" + adjust up if exceptional
- BGS (4 subgrades → overall):
- Centering, Edges, Corners, Surface each 1-10 in 0.5
- Overall = weighted avg, lowest subgrade limits
- BGS 10 Pristine → all 4 = 10
- BGS 9.5 Gem Mint → avg 9.5+ no sub <9
- CGC (similar to PSA w/ subgrades on label):
- Centering, Surface, Edges, Corners
- Overall = proprietary weighting
- Confidence:
- "PSA 8 (confident)" — clear, unlikely higher/lower
- "PSA 8-9 (borderline)" — either way
- "PSA 7-8 (uncertain)" — limited data
→ Final grade + confidence. BGS all 4 reported. Evidence from Steps 2-4.
If err: inconclusive (scratch vs dirt) → range + recommend pro grading. Never confident w/ insufficient data.
Check
- Bias check pre-grading (no anchoring)
- Centering both faces w/ ratios
- Surface examined (scratches, print, stain, indent)
- All 4 edges + corners individually
- Factory vs handling distinguished
- Grade evidence-backed from each sub
- Confidence stated
- Standard applied correctly
Traps
- Grade anchoring: value knowledge → bias toward hoped-for grade. Physical first.
- Ignore back: back surface + centering count. Many over-focus front.
- Factory vs handling confusion: both affect grade differently.
- Holofoil over-grade: hides scratches until angled. Multiple light angles.
- Centering illusion: art placement can mislead. Measure borders not art.
→
build-tcg-deck— condition affects tournament legalitymanage-tcg-collection— grade-based valuationmeditate— source of observation-without-prejudgment
Repositorio GitHub
Preguntas frecuentes
¿Qué es el Skill grade-tcg-card?
grade-tcg-card es un Skill de Claude creado por pjt222. Los Skills agrupan instrucciones y recursos que Claude carga cuando los necesita para realizar tareas relacionadas con grade-tcg-card sin indicaciones adicionales.
¿Cómo instalo grade-tcg-card?
Usa los comandos de instalación de esta página: añade grade-tcg-card a Claude Code como plugin o clona su repositorio en tu directorio de skills y reinicia Claude para cargarlo.
¿A qué categoría pertenece grade-tcg-card?
grade-tcg-card pertenece a la categoría Otro.
¿Se puede usar grade-tcg-card gratis?
Sí. grade-tcg-card aparece en AIMCP y se puede instalar gratis.
Habilidades relacionadas
LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.
Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.
