SKILLEMALL.ai

AC sprite-tools

Набор инструментов для нарезки и вырезки игровых материалов. Предоставляет: 1) пакетную обрезку сгенерированных изображений Codex CLI (разделение сетки 2x3/3x2 на отдельные значки); 2) вырезку фона на основе альфа-канала; 3) обрезку по границе на основе цвета края; 4) вырезку без внешних зависимостей на основе PIL (альтернатива). Поддерживает PNG/JPG/WebP. Все скрипты выводятся в указанный каталог или /tmp/sprite_out/.

машинный переводПоказать оригиналСкрыть оригинал«游戏素材切图+抠图工具集。提供:1) Codex CLI 生图后批量裁剪(2x3/3x2网格拆分为独立图标);2) 基于 Alpha 通道的…»

游戏素材切图+抠图工具集。提供:1) Codex CLI 生图后批量裁剪(2x3/3x2网格拆分为独立图标);2) 基于 Alpha 通道的背景抠图;3) 基于边缘色的边界裁剪;4) PIL-based 无外部依赖抠图(备选)。支持 PNG/JPG/WebP。所有脚本输出到指定目录或 /tmp/sprite_out/。

ClawHub Agent Skills автор: AxelHu v1.0.1 MIT-0 8 файлов · 2 скрипта тело ≈ 1 484 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Набор инструментов для нарезки и вырезки игровых материалов.

Как процесс C 50/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияРазработкаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
C
50/100
Есть пробелы
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: 8. 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")

Процессный рейтинг: все десять параметров 50/100

  • 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
  • 75Шаги. Шагов: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1484 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 160 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 34 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (17 блоков кода)
  • +3Все 6 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: suspicious
The skill appears to do image processing, but it includes an under-disclosed optional workflow that uploads local images to remove.bg.
LLM: suspicious (medium) · 28 мая 2026 г.