SKILLEMALL.ai

AC info-card

Создание PNG-изображений информационных карточек/карточек знаний/плакатов в стиле Xiaohongshu. 22 шаблона: обложка журнала (magazine-cover), карточка научных знаний (tech-knowledge), академический отчет (academic-report), функция продукта (product-feature), настроение бренда (brand-mood), чек-лист (checklist), карточка с цитатой (quote-card), карточка сравнения (comparison), выделение данных (stats-highlight), пошаговое руководство (step-guide), временная шкала (timeline), краткая биография (profile-card), список рекомендаций (rec-list), карточка вопросов и ответов (faq-card), сравнение до и после (before-after), советы (tips-card), дневная карточка (daily-card), таблица цен (pricing-table), ночные размышления (night-essay), подробная статья (article), топ-список (listicle), повествование истории (story-card). Триггеры: информационная карточка, Xiaohongshu, карточка знаний, плакат, card, создать карточку, сделать картинку.

машинный переводПоказать оригиналСкрыть оригинал«生成小红书风格信息卡/知识卡片/海报 PNG 图片。22 种模板:杂志封面(magazine-cover)、科技知识卡(tech-knowl…»

生成小红书风格信息卡/知识卡片/海报 PNG 图片。22 种模板:杂志封面(magazine-cover)、科技知识卡(tech-knowledge)、 学术报告(academic-report)、产品功能(product-feature)、品牌调性(brand-mood)、清单打卡(checklist)、金句卡(quote-card)、 对比卡(comparison)、数据高亮(stats-highlight)、步骤指南(step-guide)、时间线(timeline)、人物简介(profile-card)、 推荐列表(rec-list)、问答卡(faq-card)、前后对比(before-after)、小贴士(tips-card)、日签(daily-card)、价格对比(pricing-table)、 深夜随笔(night-essay)、干货长文(article)、TOP盘点(listicle)、故事叙事(story-card)。 触发词:信息卡、小红书、知识卡片、海报、card、生成卡片、做一张图

ClawHub Agent Skills автор: rivercrab26 v1.0.1 MIT-0 26 файлов тело ≈ 2 955 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создание PNG-изображений информационных карточек/карточек знаний/плакатов в стиле Xiaohongshu.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ШаблонТексты и документыИнфраструктураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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: 26. 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 51/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 46
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2955 токенов
  • 100Повторный запуск. Изменяющих операций нет

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 459 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 46 пунктов
  • +4Есть примеры (21 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This is a coherent local card-image generator, with some normal caution around Playwright, remote image URLs, and untrusted card data.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.