SKILLEMALL.ai

AC sg-input-skinmaker-skill

Skill для создания «скинов горячих слов/трендов» для Sogou Input Method, работает в различных AI-клиентах (например, workbuddy, Codex, Trae и т. д.). Используется, когда пользователь загружает изображение и хочет «создать изображение в стиле по этому изображению, сгенерировать скин/фоновое изображение». Типичные триггеры: «Сделай скин для горячих слов из этого изображения», «Измени это изображение в стиле XX для скина», «Создай скин для Sogou Input Method на основе этого изображения». Этот skill объединяет предустановленные правила генерации изображений с описанием стиля пользователя (опционально), выполняет генерацию изображения по изображению на основе загруженного пользователем изображения, а затем возвращает сгенерированное изображение вместе с «Интерактивной страницей конкурса креативных скинов от Campus AI», которую пользователь открывает самостоятельно.

машинный переводПоказать оригиналСкрыть оригинал«搜狗输入法「热词/热梗皮肤」生成 skill,运行于各种 AI client 应用中(如 workbuddy、Codex、Trae 等)。…»

搜狗输入法「热词/热梗皮肤」生成 skill,运行于各种 AI client 应用中(如 workbuddy、Codex、Trae 等)。 当用户上传一张图片,希望「基于这张图做风格化图生图、生成一张皮肤/背景图」时使用。典型触发语:「用这张 图做一张热词皮肤」「把这张图改成 XX 风格做皮肤」「根据这张图生成搜狗输入法皮肤」。该 skill 把预设生图 规范与用户的风格描述(可选)融合后,对用户上传的图片做图生图,最后把生成的图片与「校园AI创意皮肤大赛 互动页面」一并返回给用户,由用户自行打开。

ClawHub Agent Skills автор: 腾讯开源 v1.0.1 MIT-0 5 файлов тело ≈ 672 токенов Открыть источникclawhub.ai проанализирован 13 ч назад

Skill для создания «скинов горячих слов/трендов» для Sogou Input Method, работает в различных AI-клиентах (например, workbuddy, Codex, Trae и т.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентыРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 5. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 29
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 672 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 252 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 29 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: 76.

Внешние проверки

ClawHub: clean
This Markdown-only skill is disclosed as an image-generation workflow that returns a fixed Sogou campaign link, with no evidence of code execution, persistence, credential access, or data exfiltration.
LLM: benign (high) · VirusTotal: · 15 сент. 2026 г.