MCP HubMCP Hub
스킬 목록으로 돌아가기

grade-tcg-card

pjt222
업데이트됨 6 days ago
10 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 카드의 중심 정렬, 표면, 모서리, 코너를 분석하여 PSA, BGS 또는 CGC 기준에 따라 트레이딩 카드(포켓몬, MTG 등)의 등급을 매깁니다. 최종 등급과 신뢰 구간을 제공하며, 제출 전 사전 검토, 상태 논란 해결, 가치 추정에 유용합니다. 개발자는 자동화된 카드 평가 워크플로우에 이 기능을 통합할 수 있습니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/grade-tcg-card

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

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 저장소

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

연관 스킬

llamaguard

기타

LlamaGuard는 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.

스킬 보기

cost-optimization

기타

이 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.

스킬 보기

quantizing-models-bitsandbytes

기타

이 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.

스킬 보기

dispatching-parallel-agents

기타

이 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.

스킬 보기