AB camscanner-image-detect-aigc
Используйте CamScanner для определения, был ли сгенерирован образ моделью ИИ (например, Stable Diffusion, Midjourney, DALL·E). Работает на основе движка обнаружения AIGC, который классифицирует изображение как подлинное, предположительно сгенерированное ИИ или сгенерированное ИИ, с указанием степени уверенности. Возвращает результат в формате JSON, содержащий `ai_check_result` (1/2/3), `confidence` и `result_text`. Используйте, когда пользователь спрашивает, сгенерировано ли фото ИИ, хочет проверить подлинность изображения на предмет генерации ИИ или спрашивает «это ИИ-арт / Stable Diffusion / Midjourney?». Срабатывает по фразам «检测AI生成», «是不是AI画的», «AIGC检测», «AI图片识别», «detect AI-generated image», «is this AI art», «is this diffusion / midjourney», или когда пользователь делится изображением и спрашивает, было ли оно создано ИИ.
машинный переводПоказать оригиналСкрыть оригинал«Use CamScanner to detect whether an image was generated by an AI model…»
Use CamScanner to detect whether an image was generated by an AI model (e.g. Stable Diffusion, Midjourney, DALL·E). Powered by an AIGC-detection engine that classifies an image as genuine, suspected AI-generated, or AI-generated, with a confidence score. Returns a JSON result containing `ai_check_result` (1/2/3), `confidence`, and `result_text`. Use when the user asks whether a photo is AI-generated, wants to verify an image's authenticity against AI generation, or asks "is this AI art / Stable Diffusion / Midjourney?". Triggers on "检测AI生成", "是不是AI画的", "AIGC检测", "AI图片识别", "detect AI-generated image", "is this AI art", "is this diffusion / midjourney", or when the user shares an image and asks whether it was produced by AI.
Используйте CamScanner для определения, был ли сгенерирован образ моделью ИИ (например, Stable Diffusion, Midjourney, DALL·E).
Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 67/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 9
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1797 токенов
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
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
- +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
- +5В description 8 примера фраз-триггеров в кавычках
- +3Длина description 732 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (6 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.