SKILLEMALL.ai

BD qinghu-image-watermark-remove

青虎AI (Qinghu AI) — удаление водяных знаков с изображений: сверхбыстрый инструмент для удаления водяных знаков с помощью ИИ, автоматически удаляет логотипы, текст, графические водяные знаки по всему экрану и локально, интеллектуально восстанавливая текстуру фона, с возможностью выбора между режимами «удалить водяные знаки» или «удалить водяные знаки и текст», подходит для обработки изображений для электронной коммерции и медиа-контента. Необходимо активировать, когда пользователь хочет удалить водяные знаки, логотипы, текст с изображений, очистить водяные знаки по всему экрану, стереть метки на изображениях. Ключевые слова: 青虎AI, удаление водяных знаков с изображений, удаление логотипов, удаление текста, устранение водяных знаков, восстановление фона, изображения для электронной коммерции, медиа-контент, сверхбыстрый.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 图片去水印:极速版 AI 去水印工具,自动清除满屏与局部的 Logo、文字、图形水印并智能还原背景纹理,可选「去水印」或「去水印和…»

青虎AI 图片去水印:极速版 AI 去水印工具,自动清除满屏与局部的 Logo、文字、图形水印并智能还原背景纹理,可选「去水印」或「去水印和文字」两种模式,适配电商素材与自媒体配图处理。当用户要给图片去水印、去 Logo、去文字、清除满屏水印、抹掉图片上的标记时必须触发。关键词:青虎AI、图片去水印、去Logo、去文字、水印消除、背景还原、电商素材、自媒体配图、极速。

ClawHub Agent Skills автор: AutoAGC v0.1.5 MIT-0 2 файла тело ≈ 1 228 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI (Qinghu AI) — удаление водяных знаков с изображений: сверхбыстрый инструмент для удаления водяных знаков с помощью ИИ, автоматически удаляет логотипы…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДизайнтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1228 токенов

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 185 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 29 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill matches its watermark-removal purpose, but it gives the agent broad automatic install and upgrade authority for an unpinned third-party CLI.
LLM: suspicious (high) · 8 сент. 2026 г.