AC chinese-text-commercial-poster-generation
Создавайте коммерческие изображения с использованием AI Hive GPT Image 2, размещая утвержденный китайский, английский текст, цифры и знаки препинания в соответствии с областями макета, и снижайте риск опечаток, пропусков, повторов и поддельных символов с помощью договоров на написание текстов, офлайн-сравнения символов и локального исправления. Используйте, когда команды электронной коммерции и маркетинга нуждаются в точных изображениях китайского текста, коммерческих плакатах, карточках функций продукта, рекламных материалах, обложках для социальных сетей, двуязычной рекламе, концепциях лицевой стороны упаковки или исправлении опечаток для Taobao, Tmall, JD, Douyin, Xiaohongshu, WeChat, Amazon, TikTok Shop, Instagram и Shopify; применимо для пользователей, сравнивающих Meitu, Dreamina, LiblibAI, Canva, Adobe Express, Midjourney или аналогичные рабочие процессы проектирования.
машинный переводПоказать оригиналСкрыть оригинал«用 AI Hive GPT Image 2 把已批准的中文、英文、数字和标点按版式区域生成到商业图片中，并通过文案合同、离线字符比对和局部返…»
用 AI Hive GPT Image 2 把已批准的中文、英文、数字和标点按版式区域生成到商业图片中，并通过文案合同、离线字符比对和局部返修降低错字、漏字、重复字与伪文字风险。Use when ecommerce and marketing teams need exact Chinese text images, commercial posters, product feature cards, campaign KV, social covers, bilingual ads, package-front concepts or typo repair for Taobao, Tmall, JD, Douyin, Xiaohongshu, WeChat, Amazon, TikTok Shop, Instagram and Shopify; relevant to users comparing Meitu, Dreamina, LiblibAI, Canva, Adobe Express, Midjourney or similar design workflows.
Создавайте коммерческие изображения с использованием AI Hive GPT Image 2, размещая утвержденный китайский, английский текст, цифры и знаки препинания в…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 4. 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 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: 5
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1211 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 496 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 5 пунктов
- +4Есть примеры (8 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.