SKILLEMALL.ai

AB edit-image

Изменяет изображение, которое у пользователя уже есть, по инструкции или маске. Используйте, когда пользователь говорит "удалить человека/провода/водяной знак", "добавить шляпу", "заменить диван", "сделать стену синей", "сделать закат", "заполнить эту область", "расширить фон", "сделать шире" или "расширить / увеличить холст". Это изменение содержимого существующего изображения, а не создание с нуля. Для качества и разрешения используйте restore-and-upscale (улучшение, удаление шума, устранение размытия, восстановление старой фотографии). Для объединения нескольких отдельных изображений в одно используйте composite-scene.

машинный переводПоказать оригиналСкрыть оригинал«Modify an image the user already has, by instruction or by mask. Use w…»

Modify an image the user already has, by instruction or by mask. Use when the user says "remove the person/wires/watermark", "add a hat", "replace the sofa", "change the wall to blue", "make it sunset", "inpaint this region", "extend the background", "make it wider", or "outpaint / expand the canvas". This is changing the content of one existing image, not generating from scratch. For quality and resolution only (upscale, denoise, deblur, restore an old photo), use restore-and-upscale. To fuse several separate images into one, use composite-scene.

ClawHub Agent Skills автор: runware v1.0.0 MIT-0 3 файла тело ≈ 2 783 токенов Открыть источникclawhub.ai↗ проанализирован 13 дн назад

Изменяет изображение, которое у пользователя уже есть, по инструкции или маске.

Как процесс B 67/100 · Почти готов — слабые места: результат и критерий готовности, повторный запуск, отчётность по ходу

ГенераторИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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 67/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 38
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2783 токенов

    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 9 примера фраз-триггеров в кавычках
    • +3Длина description 553 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 38 пунктов
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent image-editing guide that uses external image models for user-requested edits without hidden persistence or unrelated access.
    LLM: benign (high) · VirusTotal: · 18 июл. 2026 г.