SKILLEMALL.ai

AC ecommerce-img-gen

Инструмент для создания изображений для трансграничной электронной коммерции. Создает основные изображения для платформ (Amazon / Shopee / TikTok Shop / Lazada / AliExpress / Temu / SHEIN), изображения для страниц описания товаров и изображения из жизненных сцен на основе изображений продуктов. Включает 6 видов визуальных стилей и 6 уровней проверки соответствия (намерение/бренд/авторские права/культура/платформа/лицензия). Поддерживает переключение моделей: nano-banana-2 (быстрая, по умолчанию 2K) и nano-banana-pro (высококачественная, поддерживает финальное разрешение 4K). Сценарии срабатывания: (1) Пользователь отправляет изображение продукта с просьбой "сделать изображение для электронной коммерции", "создать основное изображение", "страницу описания товара"; (2) Пользователь упоминает конкретную платформу + основное изображение или страницу описания товара; (3) Пользователь запрашивает "полный набор изображений", "изображения для нескольких платформ"; (4) Пользователь отправляет изображение продукта, затем указывает бренд и целевой рынок.

машинный переводПоказать оригиналСкрыть оригинал«跨境电商图片生成工具。根据产品图生成各平台(Amazon / Shopee / TikTok Shop / Lazada / AliExpr…»

跨境电商图片生成工具。根据产品图生成各平台(Amazon / Shopee / TikTok Shop / Lazada / AliExpress / Temu / SHEIN)主图、详情页长图、生活场景图。内置6种视觉风格路由、6层合规审查(意图/品牌/版权/文化/平台/授权)。支持模型切换:nano-banana-2(快速,默认2K)和 nano-banana-pro(高质量,支持4K终稿)。触发场景:(1) 用户发产品图要求"做电商图"、"生成主图"、"详情页";(2) 用户提到具体平台+主图或详情页;(3) 用户要求"全套图"、"多平台图";(4) 用户发产品图后指定品牌和目标市场。

ClawHub Agent Skills автор: howtimeschange v2.6.0 MIT-0 9 файлов тело ≈ 960 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент для создания изображений для трансграничной электронной коммерции.

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

ПроцедураМаркетингИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
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: 9. 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 "title"

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 960 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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 299 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +4Есть примеры (9 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
This is a real ecommerce image-generation skill, but it needs Review because it under-discloses local credential fallback behavior while sending prompts and product images to 1xm.ai.
LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.