SKILLEMALL.ai
GitHub ↗ EN Войти

AC anydesign

Анализ изображений, веб-сайтов и файлов Figma для извлечения их дизайна и генерации `design.md` с системой токенов, инвентаризацией компонентов и заметками по реконструкции. Используйте этот навык всякий раз, когда пользователь хочет понять, документировать, воспроизвести или проверить дизайн чего-либо визуального: скриншота, URL, ссылки на Figma, ссылки на Pinterest, макета, сайта конкурента, компонента, панели управления, целевой страницы. Также, когда они спрашивают 'извлечь дизайн-систему из X', 'документировать стиль Y', 'проанализировать это визуально', 'преобразовать это изображение в токены', 'помоги мне воспроизвести этот дизайн', 'какую палитру использует этот сайт', 'как это сделано'. Также для отдельных элементов: 'скопировать эту навигационную панель', 'воссоздать эту иллюстрацию', 'дай мне промпт для повторной генерации этой графики' — режим элемента выводит сфокусированный element.md с промптами для модели изображения, основанными на токенах, когда элемент является визуальным искусством. Если пользователь предоставляет любой визуальный источник и хочет понять его на уровне дизайна — этот навык должен активироваться.

машинный переводПоказать оригиналСкрыть оригинал«Analyze images, websites, and Figma files to extract their design and…»

Analyze images, websites, and Figma files to extract their design and generate a `design.md` with token system, component inventory, and reconstruction notes. Use this skill whenever the user wants to understand, document, replicate, or audit the design of something visual: a screenshot, a URL, a Figma link, a Pinterest reference, a mockup, a competitor's site, a component, a dashboard, a landing page. Also when they ask 'extract the design system from X', 'document the style of Y', 'analyze this visually', 'convert this image into tokens', 'help me replicate this design', 'what palette does this site use', 'how is this built'. Also for single elements: 'copy this navbar', 'recreate this illustration', 'give me a prompt to regenerate this graphic' — element mode outputs a focused element.md, with token-grounded image-model prompts when the element is visual art. If the user brings any visual source and wants to understand it at a design level — this skill should activate.

avelikiy/great_cto Agent Skills автор: avelikiy MIT 15 файлов · 7 скриптов тело ≈ 2 895 токенов Открыть источникgithub.com↗ проанализирован 11 дн назад

Анализ изображений, веб-сайтов и файлов Figma для извлечения их дизайна и генерации design.md с системой токенов, инвентаризацией компонентов и заметками по…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия

АнализаторFigmaPlaywrightДизайнтип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 15. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка edit-residue в тексте есть пометки об устаревшем (строки 197): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия

    Процессный рейтинг: все десять параметров 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 4
    • 85Шаги. Шагов: 34, расплывчатых формулировок: 2
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2895 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 986: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -215 эмодзи в инструкциях: шум для модели
    • +2Инструкции на одном языке
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 34 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +3Все 7 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.