SKILLEMALL.ai

BD qinghu-door-outfit-change

青虎AI — имитация популярных видео с переодеванием для женской одежды: загрузите одно изображение модели и до 4 комплектов одежды, чтобы быстро создать видео с переодеванием в стиле «открывающая дверь», с возможностью выбора аудио, с низкими затратами и быстрым результатом, подходит для продвижения женской одежды и создания образов. Обязательно активировать, когда пользователь хочет сделать видео с переодеванием в стиле «открывающая дверь», видео с переодеванием, переодевание одним кадром, видео с образами женской одежды, последовательную смену нескольких комплектов одежды. Ключевые слова: 青虎AI, переодевание «открывающая дверь», видео с переодеванием, женская одежда, образы, имитация, видео для продажи товаров, переодевание, несколько комплектов одежды.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 女装开门换装爆款仿拍:上传一张模特图和最多 4 套服饰图,快速生成「开门换装」变装视频,可选配音频,成本低出片快,适配女装带货与穿…»

青虎AI 女装开门换装爆款仿拍:上传一张模特图和最多 4 套服饰图,快速生成「开门换装」变装视频,可选配音频,成本低出片快,适配女装带货与穿搭创作。当用户要做开门换装视频、变装视频、一镜到底换装、女装穿搭视频、多套衣服连续切换时必须触发。关键词:青虎AI、开门换装、变装视频、女装、穿搭、仿拍、带货视频、换装、多套服饰。

ClawHub Agent Skills автор: AutoAGC v0.1.5 MIT-0 2 файла тело ≈ 1 206 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI — имитация популярных видео с переодеванием для женской одежды: загрузите одно изображение модели и до 4 комплектов одежды, чтобы быстро создать видео с…

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

ПроцедураДанные и аналитикаТорговляМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
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: 2. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

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 (bash, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 28
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1206 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 160 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 28 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
The skill’s video-generation purpose is coherent, but it asks the agent to install mutable third-party tooling and handle an API token before uploading user media.
LLM: suspicious (medium) · 8 сент. 2026 г.