SKILLEMALL.ai

AC art-style-transformation-set

Превратите одну референсную фотографию в сетку портретов в художественном стиле — Studio Ghibli, Pixar, Ренессанс, аниме 80-х, LEGO, Polaroid — все с тем же лицом и позой. Как это работает: 1. Фиксирует лицо с вашей референсной фотографии 2. Выбирает от 4 до 9 различных художественных стилей для параллельного рендеринга 3. Сохраняет одну и ту же позу (голова и плечи) на всех панелях 4. Накладывает характерную текстуру каждого стиля (акварель, винил, масло, целлулоид) 5. Выводит единую сетку 1:1, готовую для ленты соцсетей

машинный переводПоказать оригиналСкрыть оригинал«Transform a single reference photo into a grid of art-style portraits…»

Transform a single reference photo into a grid of art-style portraits — Studio Ghibli, Pixar, Renaissance oil, 80s anime, LEGO, Polaroid — all with the same face and pose. How it works: 1. Locks the face from your reference photo 2. Picks 4 to 9 distinct art styles to render in parallel 3. Holds the same head-and-shoulders pose across every panel 4. Layers each panel's signature texture (watercolor, vinyl, oil, cel) 5. Outputs a single 1:1 grid ready for the social feed

genspark Agent Skills автор: Genspark 1 файл тело ≈ 2 981 токенов Открыть источникgenspark.ai проанализирован 3 дн назад

Превратите одну референсную фотографию в сетку портретов в художественном стиле — Studio Ghibli, Pixar, Ренессанс, аниме 80-х, LEGO, Polaroid — все с тем же…

Как процесс C 57/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, повторный запуск

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
57/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 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 57/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 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
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 39
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2981 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 475 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 39 пунктов
    • +4Есть примеры (3 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.