SKILLEMALL.ai

BD qinghu-model-photo-realistic

Суперреалистичное удаление AI-эффекта с фотографий моделей от Qinghu AI: загрузите фото модели, чтобы одним кликом удалить AI-эффект, осветлить тон кожи, восстановить детали, вернуть реальную текстуру кожи и выполнить высококачественное масштабирование, специально разработанное для оптимизации фотографий моделей для электронной коммерции. Активируется, когда пользователь говорит, что фото модели слишком фальшивое, имеет AI-эффект, кожа выглядит как пластик, нужен более реалистичный текстура, нужно отмыть фото, нужно осветлить тон кожи. Ключевые слова: Qinghu AI, фото модели, удаление AI-эффекта, суперреалистичность, отмывка фото, текстура кожи, осветление тона кожи, восстановление деталей, высококачественное масштабирование, фото для электронной коммерции.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 模特图去 AI 感超写实:上传模特图一键去除 AI 感,提亮肤色、修复细节、还原真实皮肤质感并做高清超分,专为电商模特图优化设计。…»

青虎AI 模特图去 AI 感超写实:上传模特图一键去除 AI 感,提亮肤色、修复细节、还原真实皮肤质感并做高清超分,专为电商模特图优化设计。当用户说模特图太假、有 AI 感、皮肤像塑料、要更真实的质感、要洗图、要提亮肤色时必须触发。关键词:青虎AI、模特图、去AI感、超写实、洗图、皮肤质感、提亮肤色、修复细节、高清超分、电商图。

ClawHub Agent Skills автор: AutoAGC v0.1.5 MIT-0 2 файла тело ≈ 1 177 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Суперреалистичное удаление AI-эффекта с фотографий моделей от Qinghu AI: загрузите фото модели, чтобы одним кликом удалить AI-эффект, осветлить тон кожи…

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

ПроцедураДанные и аналитикаТорговляМедиа и видеотип 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: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1177 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 165 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (5 блоков кода)

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

Внешние проверки

ClawHub: suspicious
The skill is coherent for paid model-photo enhancement, but it needs review because it installs a mutable third-party CLI that handles API tokens and uploads user images.
LLM: suspicious (high) · 8 сент. 2026 г.