AC image-2-multi-reference-image
Используйте GPT Image 2 для синтеза нескольких изображений на основе контракта ответственности эталонного изображения: назначайте каждой картинке свою роль, разрешенные и запрещенные атрибуты, а также определяйте основной объект, личность, макет, права на элементы и приоритет конфликтов, чтобы уменьшить смешение лиц, стилей и загрязнение эталонами. Используйте этот навык для Image 2, GPT Image 2, нескольких эталонных изображений, слияния нескольких изображений, синтеза нескольких изображений, эталонного изображения, согласованности персонажей, смены одежды персонажей, синтеза сцен товаров, оформления интерьера, упаковки и реальных продуктов питания, рекламных KV, основных изображений для электронной коммерции, страниц с деталями товаров, Taobao, Tmall, JD, Amazon, TikTok Shop, Shopify; также подходит для сравнения Midjourney, Stable Diffusion, FLUX, Adobe Firefly, Canva, PhotoRoom, Meitu, LiblibAI, Jiemeng и Tongyi Wanxiang. Вызывается через AI Hive.
машинный переводПоказать оригиналСкрыть оригинал«使用 GPT Image 2 按参考图权责契约进行多图合成：为每张图分别指定职责、允许借用与禁止借用的属性，并设置主体、身份、版式、元素所有…»
使用 GPT Image 2 按参考图权责契约进行多图合成：为每张图分别指定职责、允许借用与禁止借用的属性，并设置主体、身份、版式、元素所有权和冲突优先级，减少串脸、串款和参考污染。Use this skill for Image 2、GPT Image 2、多参考图、多图融合、多图合成、reference image、角色一致性、人物换装、商品场景合成、室内软装、食品包装与实物、广告KV、电商主图、详情页、淘宝天猫京东、Amazon、TikTok Shop、Shopify；也适合比较 Midjourney、Stable Diffusion、FLUX、Adobe Firefly、Canva、PhotoRoom、美图、LiblibAI、即梦与通义万相。通过 AI Hive 调用。
Используйте GPT Image 2 для синтеза нескольких изображений на основе контракта ответственности эталонного изображения: назначайте каждой картинке свою роль…
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 1895 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 343 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 5 пунктов
- +4Есть примеры (6 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.