SKILLEMALL.ai

BF image-gen

Генерирует изображения с использованием нескольких AI-моделей — Midjourney (через Legnext.ai), Flux, SDXL, Nano Banana (Gemini) и других через fal.ai. Автоматически выбирает лучшую модель на основе намерений пользователя или позволяет пользователю явно указать ее.

машинный переводПоказать оригиналСкрыть оригинал«Generate images using multiple AI models — Midjourney (via Legnext.ai)…»

Generate images using multiple AI models — Midjourney (via Legnext.ai), Flux, SDXL, Nano Banana (Gemini), and more via fal.ai. Automatically picks the best model based on user intent, or lets the user specify one explicitly.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 6 файлов тело ≈ 3 529 токенов Открыть источникgithub.com проанализирован 2 дн назад

Генерирует изображения с использованием нескольких AI-моделей — Midjourney (через Legnext.ai), Flux, SDXL, Nano Banana (Gemini) и других через fal.ai.…

Как процесс F 40/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: imageUrls[0], imageUrls[1], imageUrls[2]

ГенераторИИ и агентыТексты и документыПродажи и CRMтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
82/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
F
40/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: imageUrls[0], imageUrls[1], imageUrls[2]
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Утечка данных read-dotenv CONTRIBUTING.md:28
    Чтение файла .env
    cp .env.example .env
  • низкая Секреты в коде secret-high-entropy-token package-lock.json:34
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "integrity": "sha5…SHP+Ptfk…NUA==",
    детектор

Просканировано файлов: 6. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: imageUrls[0]
  • предупреждение missing-ref ссылка на отсутствующий файл: imageUrls[1]
  • предупреждение missing-ref ссылка на отсутствующий файл: imageUrls[2]
  • предупреждение missing-ref ссылка на отсутствующий файл: imageUrls[3]
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 40/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: imageUrls[0], imageUrls[1], imageUrls[2]
  • 0Инструменты и файлы. Не хватает 4 файла(ов): imageUrls[0], imageUrls[1], imageUrls[2]
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 17, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (image-gen) не совпадает с папкой (image-q)
  • 65Ошибки и развилки. Развилок: 3
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 47
  • 100Стоимость исполнения. Тело инструкции 3529 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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 224 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 47 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.