SKILLEMALL.ai
GitHub ↗ EN Войти

CC seedance-fashion-lookbook

Создавайте сценарии для модных лукбуков, показов моделей и видеороликов о стиле для Seedance 2.0 на Higgsfield. Используйте, когда пользователь хочет получить контент для модных видео, видео лукбуков, дефиле моделей, показов нарядов, гидов по стилю, модных кампаний, роликов с подиума, уличного стиля или любого видео о моде/одежде. Триггеры: модное видео, лукбук, показ модели, наряд, гид по стилю, модная кампания, подиум, уличный стиль, запуск коллекции, модная реклама, видео об одежде, OOTD, модный фильм или любой запрос на видео о моде/моделях. Используйте даже для «покажи этот наряд» или «модный контент для моего бренда».

машинный переводПоказать оригиналСкрыть оригинал«Generate fashion lookbook, model showcase, and style video prompts for…»

Generate fashion lookbook, model showcase, and style video prompts for Seedance 2.0 on Higgsfield. Use whenever the user wants fashion video content, lookbook videos, model walks, outfit showcases, style guides, fashion campaigns, runway clips, streetwear content, or any fashion/clothing video. Triggers on: fashion video, lookbook, model showcase, outfit, style guide, fashion campaign, runway, streetwear, collection launch, fashion ad, clothing video, OOTD, fashion film, or any fashion/model video request. Use even for "show off this outfit" or "fashion content for my brand.

beshuaxian/higgsfield-seedance2-jineng Agent Skills автор: beshuaxian 1 файл тело ≈ 21 230 токенов Открыть источникgithub.com↗ проанализирован 15 ч назад

Создавайте сценарии для модных лукбуков, показов моделей и видеороликов о стиле для Seedance 2.0 на Higgsfield. Используйте, когда пользователь хочет получить…

Как процесс C 54/100 · Есть пробелы — слабые места: входы и предусловия, согласованность, стоимость исполнения

ГенераторМедиа и видеотип 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
C
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Стоимость исполнения вес 6
10
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Generate fashion lookbook, model showcase, and style video prompts… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение body-long тело SKILL.md ≈ 21230 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 54/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 10Стоимость исполнения. Тело инструкции 21230 токенов: вытесняет саму задачу из окна
  • 30Повторный запуск. Изменяющих операций: 34, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (seedance-fashion-lookbook) не совпадает с папкой (13-fashion-lookbook)
  • 55Ошибки и развилки. Развилок: 1
  • 60Шаги. Шагов: 134, расплывчатых формулировок: 7
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • low Разделов верхнего уровня: 18. Похоже на несколько доменов в одном скилле

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 581 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 138 заголовков
  • +3Пошаговые инструкции: 134 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (3 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.