SKILLEMALL.ai

AD hd-infoimage

Навык генерации изображений с высокой плотностью информации. Создает визуальные изображения с высокой плотностью информации на основе статей/контента, подходит для сухого остатка знаний, заметок, визуализации учебных материалов. Поддерживает 8 стилей: координатная синяя схема, лаборатория поп-арта, ретро-поп-сетка, стиль папки, цветные блоки на термобумаге, ретро-журнал, смешанная техника архива, цветные блоки в кислотном стиле, стиль театральных билетов. Использует Imagen 3 (ZenMux API, рекомендуется 4K). Активируется, когда пользователь предоставляет статью/контент и просит создать изображение с высокой плотностью информации, диаграмму знаний, иллюстрацию сухого остатка знаний, высокоплотное изображение.

машинный переводПоказать оригиналСкрыть оригинал«高密度信息大图生成技能。根据文章/内容生成高信息密度的视觉大图,适合知识干货、笔记分享、课程内容可视化。支持8种风格:坐标蓝图波普实验室、复…»

高密度信息大图生成技能。根据文章/内容生成高信息密度的视觉大图,适合知识干货、笔记分享、课程内容可视化。支持8种风格:坐标蓝图波普实验室、复古波普网格、文件夹风、色块热敏纸、复古手帐、档案混合媒介、色块酸性风、票据剧场戏票风。使用 Imagen 3(ZenMux API,建议4K)生成。当用户提供文章/内容并要求生成信息大图、干货图、知识图、高密度配图时触发此技能。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 9 файлов тело ≈ 335 токенов Открыть источникgithub.com проанализирован 2 дн назад

Навык генерации изображений с высокой плотностью информации.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияРазработкаИИ и агентыДизайнтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 9. 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")

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 335 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 184 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 8)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.