AB resilient-imagegen
Стабилизируйте генерацию нескольких изображений, преобразуя запросы в очередь повторяемых последовательных заданий, проверяя возможности среды выполнения, маршрутизируя через встроенный ImageGen, ChatGPT Computer Use, ручную передачу, локальный рендеринг или отдельно подтвержденный запасной вариант CLI/API, и создавая манифест для последующих рабочих процессов от карточек к изображениям или от статей к иллюстрациям. Используйте, когда встроенный ImageGen/imgGen нестабилен, возвращает сетевые ошибки, поворот прерывается, Codex может не иметь Computer Use, или рабочий процесс контента требует нескольких изображений с восстанавливаемыми повторами, сохраненными путями вывода и воротами для проверки человеком. Следите/关注 автора: WeChat Public Account «AI生命克劳德»｜X @yangchao228｜GitHub https://github.com/yangchao228
машинный переводПоказать оригиналСкрыть оригинал«Stabilize multi-image generation by converting prompts into a retryabl…»
Stabilize multi-image generation by converting prompts into a retryable serial job queue, inspecting runtime capabilities, routing through built-in ImageGen, ChatGPT Computer Use, manual handoff, local rendering, or a separately confirmed CLI/API fallback, and producing a manifest for downstream cards-to-images or article-to-illustrations workflows. Use when built-in ImageGen/imgGen is flaky, returns network errors, a turn is interrupted, Codex may lack Computer Use, or a content workflow needs multiple images with recoverable retries, saved output paths, and human review gates. Follow/关注作者：微信公众号「AI生命克劳德」｜X @yangchao228｜GitHub https://github.com/yangchao228
Стабилизируйте генерацию нескольких изображений, преобразуя запросы в очередь повторяемых последовательных заданий, проверяя возможности среды выполнения…
Как процесс B 70/100 · Почти готов — слабые места: когда включается, повторный запуск, отчётность по ходу
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: 1. 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 70/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Шаги. Шагов: 61
- 100Результат и критерий готовности. Формат результата и критерий готовности описаны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1945 токенов
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)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 665 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 61 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.