スキル一覧に戻る

grade-tcg-card

pjt222
更新日 6 days ago
11 閲覧
17
2
17
GitHubで表示
その他general

について

このスキルは、PSA、BGS、またはCGCの基準を用いて、トレーディングカード(ポケモン、MTGなど)のセンターリング、表面、エッジ、コーナーを分析し、グレードを評価します。最終グレードには信頼区間が付与され、事前審査の補助、状態に関する紛争の解決、価値の推定に役立ちます。開発者は、自動化されたカード評価ワークフローに統合することができます。

クイックインストール

Claude Code

推奨
メイン
npx skills add pjt222/agent-almanac -a claude-code
プラグインコマンド代替
/plugin add https://github.com/pjt222/agent-almanac
Git クローン代替
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/grade-tcg-card

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

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。

  • 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

  • :卡識(套、號、名、異版)
  • :卡像或物描(正背)
  • :適評標(PSA 1-10、BGS 1-10 含子級、CGC 1-10)
  • :諸級之市值(供級-值析)
  • :卡戲(Pokemon、MTG、Flesh and Blood、Kayou)

一:清偏——觀察無預判

meditate 二-三步改:觀察不錨期級或市值。

  1. 置卡市值於旁
  2. 評前勿查近售或群體報告
  3. 若知值,顯承偏:
    • 「吾知此卡於 PSA 10 值 $X。吾置此於旁」
  4. 先以物察,非集藏品
  5. 記初感而勿使錨評
  6. 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。

  1. 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
  2. 背面重
  3. 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   |
+------+-------------------+-------------------+
  1. 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。

  1. 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
  2. 背表同法
  3. 分廠瑕與手損:
    • 廠:印線、誤切、褶——或罰輕
    • 手:劃、凹、染——皆罰
  4. 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。

  1. 察四邊:
    • 白化:色邊之白點或線(最常)
    • 屑落:小片邊層缺
    • :邊覺不平或微裂
    • 箔離:閃卡察邊緣分層
  2. 察四角:
    • :角尖銳
    • :尖磨為曲(輕、中、重)
    • :角見層分(丁)
    • :角折或褶
  3. 用表況同尺評邊角
  4. 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。

  1. 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
  2. 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
  3. CGC 評(近 PSA 標有子於牌):
    • 分 Centering、Surface、Edges、Corners
    • 總依 CGC 專屬加權
  4. 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。

  • 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)

  • 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

  • build-tcg-deck
  • manage-tcg-collection
  • meditate

GitHub リポジトリ

pjt222/agent-almanac
パス: i18n/wenyan-ultra/skills/grade-tcg-card
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

関連スキル

llamaguard

その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る

cost-optimization

その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る

quantizing-models-bitsandbytes

その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る

dispatching-parallel-agents

その他

このClaudeスキルは、複数のエージェントを配備し、3つ以上の独立した問題を並行して調査・修正します。共有状態や依存関係がなく解決可能な、無関係な障害が発生するシナリオ向けに設計されています。中核となる機能は並列問題解決であり、効率を最大化するために独立した問題領域ごとに1つのエージェントを割り当てます。

スキルを見る