BD qinghu-image-upscale-detail
青虎AI: сверхчеткое восстановление и улучшение деталей и текстуры. Использует алгоритм блочного масштабирования для сверхчеткого восстановления и увеличения изображений, полностью сохраняя исходные детали без изменений. Подходит для оптимизации всех типов изображений, включая изображения товаров, портреты и пейзажи. Активируется, когда пользователь хочет увеличить изображение, изображение слишком размытое, нужно сделать его четким, добавить детали, требуется высокое разрешение для печати, обновить старое изображение. Ключевые слова: 青虎AI, сверхчеткое восстановление, увеличение изображения, повышение четкости, блочное масштабирование, улучшение деталей, оптимизация изображений товаров, портреты, пейзажи, печать.
машинный переводПоказать оригиналСкрыть оригинал«青虎AI 超清修复强化细节质感：采用分块放大算法对图片做超清修复与放大，完整留存原图原有细节不篡改，适配商品图、人像、景物等全品类图像优化。…»
青虎AI 超清修复强化细节质感：采用分块放大算法对图片做超清修复与放大，完整留存原图原有细节不篡改，适配商品图、人像、景物等全品类图像优化。当用户要放大图片、图片太糊、要高清化、要补细节、印刷需要高分辨率、老图翻新时必须触发。关键词：青虎AI、超清修复、图片放大、高清化、分块放大、细节增强、商品图优化、人像、景物、印刷。
青虎AI: сверхчеткое восстановление и улучшение деталей и текстуры.
Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное 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 1178 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 161 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +3Пошаговые инструкции: 28 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.