grade-tcg-card
Acerca de
Esta habilidad califica tarjetas coleccionables (Pokémon, MTG, etc.) utilizando los estándares de PSA, BGS o CGC mediante el análisis del centrado, superficie, bordes y esquinas. Proporciona una calificación final con un intervalo de confianza, útil para preseleccionar envíos, resolver disputas sobre el estado o estimar el valor. Los desarrolladores pueden integrarla para flujos de trabajo automatizados de evaluación de tarjetas.
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
評 TCG 卡
依專業評級標準(PSA、BGS、CGC)評卡。用源自 meditate 之「觀察先於定級」協議以防錨定——評級最常之偏。
用
- 評前提交專業評級
- 預篩集,辨值交之高級候
- 調買賣間之卡況爭
- 學結構化評級以保一致
- 估特卡之級-值差
入
- 必:卡識(套、號、名、異版)
- 必:卡像或物描(正背)
- 必:適評標(PSA 1-10、BGS 1-10 含子級、CGC 1-10)
- 可:諸級之市值(供級-值析)
- 可:卡戲(Pokemon、MTG、Flesh and Blood、Kayou)
行
一:清偏——觀察無預判
由 meditate 二-三步改:觀察不錨期級或市值。
- 置卡市值於旁
- 評前勿查近售或群體報告
- 若知值,顯承偏:
- 「吾知此卡於 PSA 10 值 $X。吾置此於旁」
- 先以物察,非集藏品
- 記初感而勿使錨評
- 過早級思標「錨」並歸觀察
得:中立起態,純物況評,非市期。級錨(評前知值)乃評級不一之首因。
敗:偏黏(高值卡欲見 10)→顯書偏。外化減其影。能物察方進。
二:置中評
量印置中於雙面。
- 量正面四邊之邊框寬:
- 左右(橫置中)
- 上下(縱置中)
- 比:如 55/45 左右,60/40 上下
- 背面重
- 用評標之置中閾:
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 |
+------+-------------------+-------------------+
- 記軸置中分與子級
得:雙面置中數比,對應級/子級。此為評級中最客觀之測。
敗:邊過窄不可準量(全畫、無邊)→記「置中 N/A——無邊」並跳三步。某些機構對無邊卡用異標。
三:表面析
察卡表之瑕。
- 於良光察正表:
- 印瑕:墨點、缺墨、印線、色不一
- 表劃:於直與斜光下可見
- 表白化:表層朦朧或雲霧
- 凹痕:於側光下可見
- 染或變色:黃、水痕、化損
- 背表同法
- 分廠瑕與手損:
- 廠:印線、誤切、褶——或罰輕
- 手:劃、凹、染——皆罰
- 評表況:
- 無瑕(10):放大無瑕
- 近無瑕(9-9.5):僅放大可見小瑕
- 優(8-8.5):裸眼見小磨
- 良(6-7):中磨、多小瑕
- 可下(1-5):明損
得:表目錄詳,諸瑕位、述、重度皆評。廠瑕與手損分。
敗:像辨率太低→標限並予級範,非點級。薦物察。
四:邊角評
察邊角磨損。
- 察四邊:
- 白化:色邊之白點或線(最常)
- 屑落:小片邊層缺
- 粗:邊覺不平或微裂
- 箔離:閃卡察邊緣分層
- 察四角:
- 利:角尖銳
- 圓:尖磨為曲(輕、中、重)
- 裂:角見層分(丁)
- 彎:角折或褶
- 用表況同尺評邊角
- 記最差角/邊
得:各邊角況評。最差之單角/邊常限總級。
敗:卡於套或裝遮邊→記未可察區。
五:定末級
合子評為末級。
- PSA 評(單 1-10):
- 末級由最弱子評限
- 完美表而 65/35 置中→封頂 PSA 8
- 用「最低限」則,然他優處或升
- BGS 評(四子→總):
- 分子級:Centering、Edges、Corners、Surface(各 1-10 以 0.5 步)
- 總=加權均,然最低子限總
- BGS 10 Pristine 需四子皆 10
- BGS 9.5 Gem Mint 需均 9.5+,無子於 9 下
- CGC 評(近 PSA 標有子於牌):
- 分 Centering、Surface、Edges、Corners
- 總依 CGC 專屬加權
- 末級連信:
- 「PSA 8(確)」——級清,不高不低
- 「PSA 8-9(臨界)」——機構或評任一
- 「PSA 7-8(不確)」——評數據有限
得:末級連信心。BGS 則報四子。級由 2-4 步證支持。
敗:評未定(如痕或劃或塵)→予級範並薦專業評級。無足數據勿予確級。
驗
- 評前已清偏(無錨)
- 雙面置中已量並記比
- 表察劃、印瑕、染、凹
- 四邊四角各評
- 廠瑕與手損分
- 末級由各子評證支持
- 信心陳(確、臨界、不確)
- 評標正確(PSA/BGS/CGC 閾)
忌
- 級錨:評前知值偏評至「期級」。必先物評
- 略背:背表與背置中計。多評者過重正
- 混廠手瑕:廠印線異於劃,然皆影級
- 過評閃卡:閃與箔卡藏劃至視角正。用多光角
- 置中視錯:畫位使置中顯優或差於實。量邊,勿量畫
參
build-tcg-deckmanage-tcg-collectionmeditate
Repositorio GitHub
Habilidades relacionadas
llamaguard
OtroLlamaGuard 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.
cost-optimization
OtroEsta 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.
quantizing-models-bitsandbytes
OtroEsta 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.
dispatching-parallel-agents
OtroEsta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.
