SKILLEMALL.ai

AB grok-image-prompt-optimizer

Оптимизация подсказок для генерации изображений (text-to-image) для Grok и аналогичных моделей изображений. Используйте, когда пользователь хочет улучшить подсказки для генерации изображений, подсказки для постеров, визуальные концепции конкурсного уровня, более безопасные негативные подсказки или хочет переписать грубые идеи в сильные производственные подсказки для изображений. Особенно полезно для авиационных постеров, визуальных материалов кампаний по безопасности, официальных рекламных изображений и брифов китайских конкурсов.

машинный переводПоказать оригиналСкрыть оригинал«Optimize text-to-image prompts for Grok and similar image models. Use…»

Optimize text-to-image prompts for Grok and similar image models. Use when the user wants better image generation prompts, poster prompts, competition-grade visual concepts, safer negative prompts, or wants rough ideas rewritten into strong production-ready image prompts. Especially useful for aviation posters, safety campaign visuals, official publicity images, and Chinese-language contest briefs.

ClawHub Agent Skills автор: iamkingab v1.0.0 MIT-0 3 файла тело ≈ 1 395 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оптимизация подсказок для генерации изображений (text-to-image) для Grok и аналогичных моделей изображений.

Как процесс B 73/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
73/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. 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 73/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Ошибки и развилки. Развилок: 9
    • 85Шаги. Шагов: 96, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1395 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 401 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 96 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is a Markdown-only helper for rewriting image-generation prompts, with no evidence of code execution, credential access, persistence, or hidden data handling.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.