BD qinghu-ecom-image
Создание изображений товаров для электронной коммерции в один клик: основной товар + набор карусельных изображений, длинные изображения для страниц деталей товара, коммерческие изображения по текстовому описанию (четыре пользовательских модели генерации изображений, поддержка референсных изображений). Подходит для платформ, таких как Douyin, Taobao Tmall, Pinduoduo, JD.com, 1688, Amazon, TikTok, Shopee, Ozon и др. Обязательно активировать, когда пользователь просит создать/произвести изображения товаров, основные изображения, карусельные изображения, наборы изображений, изображения деталей, сценические изображения, маркетинговые изображения, изображения на белом фоне, или когда просит превратить одно изображение продукта в набор изображений для электронной коммерции. Ключевые слова: Qinghu AI, qhkit, Qinghu, изображения для электронной коммерции, изображения товаров, основные изображения, карусельные изображения, наборы изображений, изображения деталей, страницы деталей, сценические изображения, маркетинговые изображения, AI-генерация изображений, AI-рисование, генерация по тексту, генерация изображений по изображениям, фотосъемка товаров, материалы для вирусных товаров, массовое производство материалов.
машинный переводПоказать оригиналСкрыть оригинал«一键生成电商商品图：商品主图+轮播图套图、电商详情页长图、按文字描述直出商业大图（四个自定义生图模型，支持参考图）。适用于抖音、淘宝天猫、拼…»
一键生成电商商品图：商品主图+轮播图套图、电商详情页长图、按文字描述直出商业大图（四个自定义生图模型，支持参考图）。适用于抖音、淘宝天猫、拼多多、京东、1688、Amazon、TikTok、Shopee、Ozon 等平台。当用户要求生成/制作商品图、主图、轮播图、套图、详情图、场景图、营销图、白底图，或要求把一张产品图变成一组电商图时必须触发。关键词：青虎AI、qhkit、青虎、电商图、商品图、主图、轮播图、套图、详情图、详情页、场景图、营销图、AI生图、AI绘图、文生图、图生图、商品摄影、爆款素材、量产素材。
Создание изображений товаров для электронной коммерции в один клик: основной товар + набор карусельных изображений, длинные изображения для страниц деталей…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 20
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1158 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 258 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 20 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.