grade-tcg-card
정보
이 스킬은 거래용 카드(포켓몬, MTG 등)의 중앙 정렬, 표면, 모서리, 코너를 분석하여 PSA, BGS 또는 CGC 기준에 따라 프로그래밍 방식으로 등급을 매깁니다. 최종 등급과 신뢰 구간을 제공하여 제출 전 사전 검토, 상태 논란 해결, 가치 추정에 유용합니다. 개발자는 자동화된 컬렉션 평가 및 등급 매김 워크플로우에 통합할 수 있습니다.
빠른 설치
Claude Code
추천npx 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-cardClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
TCG 卡之鑑級
依專業鑑級標準(PSA、BGS、CGC)察並鑑交易卡。用自 meditate 技能改編之先察協議免鑑級錨定——最常見之鑑級偏見。
用時
- 送交專業鑑級前察卡
- 預篩集以識值送之高級候選
- 解買賣間卡況爭議
- 依結構化察協議學穩定鑑級
- 估特定卡之級依值差
入
- 必要:卡識別(系、號、名、變體/版)
- 必要:卡影像或物理描述(正反)
- 必要:所用鑑級標準(PSA 1-10、BGS 1-10 含子級、CGC 1-10)
- 可選:各級之已知市值(供級值析)
- 可選:卡遊戲(Pokemon、Magic: The Gathering、Flesh and Blood、Kayou)
法
第一步:清偏——無預判之察
改自 meditate 第二至三步:察卡而不錨於預期級或市值。
- 置卡市值之知於一旁
- 鑑前勿查近售或族群報
- 若知卡「值錢」,顯承認偏見:
- 「知此卡於 PSA 10 值 $X。今置於旁。」
- 始察卡為物理對象,非收藏品
- 記初印象然勿令其錨察
- 標任何過早級念為「錨定」並返察
得: 中性始態,純依物理狀察卡,非市期。鑑級錨定(鑑前知值)為鑑級不一之首因。
敗則: 若偏頑固(高值卡使欲見 10),顯書之。外化減其影響。唯可察卡為物理對象時繼。
第二步:置中察
測卡印置中於兩面。
- 測正面四側邊寬:
- 左對右邊(水平置中)
- 上對下邊(垂直置中)
- 以比表:如 55/45 左右、60/40 上下
- 反面重複
- 施鑑級標準之置中閾:
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 |
+------+-------------------+-------------------+
- 記每軸置中分與所適子級
得: 兩面之數值置中比與對應級/子級已識。此為鑑級中最客觀之測。
敗則: 若邊太窄不可準測(全圖卡、無邊印),記「置中 N/A——無邊」並跳第三步。有鑑級服務對無邊卡用異標準。
第三步:表面析
察卡表面之瑕。
- 於良光下察正表:
- 印瑕:墨斑、缺墨、印線、色不一
- 表面刮:直光與斜光下可見
- 表面白化:表層霧或濁
- 凹印:斜光下可見之凹
- 染色或變色:黃化、水印、化學損
- 以同準察反表
- 別工廠瑕與處置損:
- 工廠:印線、誤切、壓痕——或較少罰
- 處置:刮、凹、染——皆罰
- 表面況評:
- 原始(10):放大下無瑕
- 近原始(9-9.5):僅放大下見輕微瑕
- 優(8-8.5):肉眼可見輕微磨
- 良(6-7):中度磨,多輕瑕
- 次及以下(1-5):見顯著損
得: 詳細表面清單,每瑕有位、述、嚴重度。工廠與處置瑕已別。
敗則: 若影像解析度太低不可析表,標限並供級範而非點級。勸實察。
第四步:邊與角察
察卡邊與角之磨。
- 察四邊:
- 白化:色邊沿白點白線(最常瑕)
- 崩裂:邊層小片缺
- 粗:邊覺不平或有微裂
- 箔分:全息箔卡察邊處分層
- 察四角:
- 銳:角尖銳且尖
- 圓化:角尖磨為弧(輕、中、重)
- 裂:角處見層分(凹)
- 彎:角折或摺
- 依表面同尺評邊角況
- 記最差之具體角/邊
得: 每邊每角況察。最差之單角/邊常限總級。
敗則: 若卡於套或頂載中遮邊,記不能全察之處。
第五步:定末級
合諸子察為末級。
- PSA 鑑級(單數 1-10):
- 末級為最弱子察所限
- 完美表面但 65/35 置中之卡封於 PSA 8
- 施「最低限」原則,若他區出眾則調上
- BGS 鑑級(四子級→總):
- 賦子級:置中、邊、角、表面(各 1-10,0.5 步)
- 總 = 加權均,然最低子級限總
- BGS 10 Pristine 需四子級皆 10
- BGS 9.5 Gem Mint 需均 9.5+ 且無子級低於 9
- CGC 鑑級(似 PSA 附子級於標):
- 賦置中、表面、邊、角
- 總依 CGC 專有加權
- 附信心陳末級:
- 「PSA 8(確定)」——清級,不太可能更高或低
- 「PSA 8-9(邊界)」——鑑級服務或任一方向
- 「PSA 7-8(不確)」——察資料有限
得: 附信心等之末級。BGS 者報四子級。級有第二至四步證據支。
敗則: 若察不確(如不能辨表痕為刮或塵),供級範並勸專業鑑級。勿以不足資料定確級。
驗
- 鑑前已作偏見察(無級錨定)
- 兩面置中已測並記比
- 表面察刮、印瑕、染、凹
- 四邊四角個別察
- 工廠對處置瑕已別
- 末級有每子察證據支
- 信心等已陳(確定、邊界、不確)
- 正施鑑級標準(PSA/BGS/CGC 閾)
陷
- 級錨定:鑑前知卡值偏察向「所望」級。始終先物理察
- 忽反面:反表與反置中皆計。多鑑級者過重正面
- 工廠與處置瑕混:工廠印線與刮異,然二者皆影響級
- 過鑑全息箔:全息與箔卡於特定角方見表刮。用多光角
- 置中視錯覺:圖位可使置中見較實好或差。測邊非圖
參
build-tcg-deck— 卡況影響比賽合法之構組manage-tcg-collection— 依級估值之集管meditate— 改編作鑑級偏見防之無預判察技法源
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
