SKILLEMALL.ai
GitHub ↗ EN Войти

BC comfyui-painter

Клиент для интеграции локальных рабочих процессов ComfyUI для создания изображений с управлением моделями CivitAI. Генерация изображений на локальном GPU через API ComfyUI, поддержка текстовых и изображений в видео задач. Интеграция с экосистемой моделей CivitAI, поддержка поиска моделей, запроса деталей, извлечения рекомендуемых параметров, проверки обновлений локальных моделей и загрузки в один клик. Встроенный механизм автоматической настройки параметров извлекает рекомендуемые настройки Steps/CFG/сэмплера из метаданных образцов CivitAI и записывает их в кэш конфигурации. Поддерживает 8 псевдонимов моделей, охватывающих стили аниме, реализма, 3DCG, темной эстетики, Flux и другие. Обеспечивает обнаружение бездействия по пульсу, автоматическое закрытие ComfyUI через 15 минут бездействия для освобождения видеопамяти. Подходит для индивидуальных авторов, команд по производству контента и сценариев автоматизированного создания изображений.

машинный переводПоказать оригиналСкрыть оригинал«本地 ComfyUI 画图工作流与 CivitAI 模型管理集成客户端。通过 ComfyUI API 在本地 GPU 上生成图片, 支持文生…»

本地 ComfyUI 画图工作流与 CivitAI 模型管理集成客户端。通过 ComfyUI API 在本地 GPU 上生成图片, 支持文生图与图生视频两种任务类型。集成 CivitAI 模型生态,支持模型搜索、详情查询、推荐参数提取、 本地模型更新检查与一键下载。内置自动调参引擎,从 CivitAI 样图元数据中提取推荐 Steps/CFG/采样器 设置并写入 config 缓存。支持 8 种模型别名覆盖动漫、写实、3DCG、暗黑美学、Flux 等风格。提供心跳 空闲检测,15 分钟无使用自动关闭 ComfyUI 释放显存。适用于个人创作者、内容生产团队与自动化画图 工作流场景.

ClawHub Agent Skills автор: 天轰穿 v1.0.1 MIT-0 2 файла тело ≈ 3 735 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Клиент для интеграции локальных рабочих процессов ComfyUI для создания изображений с управлением моделями CivitAI.

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

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
68
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:365
    Строка, похожая на токен (может быть id, хеш или секрет)
    | janku | JANK…v69 | 1277670 | v6.9 | NoobAI+RouWei 混合 |

Просканировано файлов: 2. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "tools"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "suggested_price"
  • заметка frontmatter-key неизвестное поле фронтматтера "pricing_tier"
  • заметка frontmatter-key неизвестное поле фронтматтера "pricing_model"

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. Инструменты объявлены во frontmatter
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3735 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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • +2Инструкции на одном языке
  • +3Длина description 294 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 23 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (26 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
This local image-generation skill is purpose-aligned, but it needs review because it can use a CivitAI credential, download large models, change local config, and add explicit sexual prompt terms without clear opt-in.
LLM: suspicious (high) · VirusTotal: · 24 июл. 2026 г.