返回技能列表

grade-tcg-card

pjt222
更新于 Yesterday
3 次查看
17
2
17
在 GitHub 上查看
其他general

关于

This skill programmatically grades trading cards (Pokémon, MTG, etc.) against PSA, BGS, or CGC standards by analyzing centering, surface, edges, and corners. It provides a final grade with a confidence interval, useful for pre-screening submissions, settling condition disputes, or estimating value. Developers can integrate it for automated collection assessment and grading workflows.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/grade-tcg-card

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

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

  • 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)

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。

  1. 置卡市值之知於一旁
  2. 鑑前勿查近售或族群報
  3. 若知卡「值錢」,顯承認偏見:
    • 「知此卡於 PSA 10 值 $X。今置於旁。」
  4. 始察卡為物理對象,非收藏品
  5. 記初印象然勿令其錨察
  6. 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。

  1. 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
  2. 反面重複
  3. 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   |
+------+-------------------+-------------------+
  1. 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。

  1. 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
  2. 以同準察反表
  3. 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
  4. 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。

  1. 察四邊:
    • 白化:色邊沿白點白線(最常瑕)
    • 崩裂:邊層小片缺
    • :邊覺不平或有微裂
    • 箔分:全息箔卡察邊處分層
  2. 察四角:
    • :角尖銳且尖
    • 圓化:角尖磨為弧(輕、中、重)
    • :角處見層分(凹)
    • :角折或摺
  3. 依表面同尺評邊角況
  4. 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。

  1. 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
  2. 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
  3. CGC 鑑級(似 PSA 附子級於標):
    • 賦置中、表面、邊、角
    • 總依 CGC 專有加權
  4. 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。

  • 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)

  • 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

  • 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 仓库

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

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能