SKILLEMALL.ai

BD seedancer

Операционная система режиссера AIGC для кино и телевидения — сквозной рабочий процесс от анализа сценария до предпроизводственных активов, многокамерных последовательностей проектов до полного производственного конвейера. Интегрирует конвейер предпроизводства P0-P2 + пять основных систем управления + маршрутизация прототипов сцен + синхронизация камеры и эмоций + каталог микро-ритмов актерской игры + режим вывода JSON API + система правил освещения + CINEDANCE 16-блок + LIRA подсказки для изображений + ACTING актерская игра + GEO пространственное блокирование + Style Prefix + SCALE LAW + AI режиссер + диагностика сбоев. На основе Seedance 2.5 / Kling 3.0 / Veo 3.1 / Wan 3.0 (30 секунд прямой вывод/50 материалов/4K/локальное редактирование/белая модель с зеленым экраном). Триггерные слова: Seedance, Jìmèng, генерация видео, подсказки, Seedancer, AIGC фильм, короткометражный сериал, AI короткометражный фильм.

машинный переводПоказать оригиналСкрыть оригинал«AIGC 影视导演操作系统——从剧本解析到预生产资产到多镜头序列项目到完整制片管线的端到端工作流。整合 P0-P2 预生产管线 + 五大硬门…»

AIGC 影视导演操作系统——从剧本解析到预生产资产到多镜头序列项目到完整制片管线的端到端工作流。整合 P0-P2 预生产管线 + 五大硬门系统 + 场景原型路由 + 摄影机-情绪同步 + 表演微节拍目录 + JSON API 输出模式 + 光源规则系统 + CINEDANCE 16-block + LIRA 图像提示词 + ACTING 表演 + GEO 空间锁定 + Style Prefix + SCALE LAW + AI 导演 + 失败诊断。基于 Seedance 2.5 / Kling 3.0 / Veo 3.1 / Wan 3.0(30秒直出/50素材/4K/局部编辑/白模绿幕)。触发词:Seedance、即梦、视频生成、提示词、Seedancer、AIGC电影、短剧、AI短片。

ClawHub Agent Skills автор: Taosiuman v7.0.3 MIT-0 56 файлов · 2 скрипта тело ≈ 7 611 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Операционная система режиссера AIGC для кино и телевидения — сквозной рабочий процесс от анализа сценария до предпроизводственных активов, многокамерных…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 56. 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")
  • предупреждение body-long тело SKILL.md ≈ 7611 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "attribution"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 70Стоимость исполнения. Тело инструкции 7611 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 214
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 32. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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
  • -283 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 350 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 134 заголовков
  • +3Пошаговые инструкции: 214 пунктов
  • +4Есть примеры (20 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (31 из 47)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: suspicious
This is mostly a filmmaking prompt workflow, but it needs review because some included workflows can upload real-person media to external services and persist project asset state without enough consent and privacy detail.
LLM: suspicious (medium) · 11 сент. 2026 г.