SKILLEMALL.ai

BC ai-photo-restyler

Превратите фото в аниме, мангу, комикс, мультфильм, акварель, глину или 3D-арт персонажа, сохраняя узнаваемость человека, питомца или продукта. Этот ИИ-рестайлер работает как конвертер фото в аниме и ИИ-мультипликатор, которым вы можете управлять: примените стиль как фильтр к своему изображению или добавьте образцы стилей для управления палитрой, толщиной линий и затенением. Селфи, портрет, фото питомца, снимок продукта или фото из путешествия превращается в иллюстрацию для аватаров в соцсетях, изображений профиля, наборов стикеров, плакатов, товаров и серий контента с одним выбранным стилем, повторяющимся для всей партии.

машинный переводПоказать оригиналСкрыть оригинал«Turn a photo into anime, manga, comic, cartoon, watercolor, clay, or 3…»

Turn a photo into anime, manga, comic, cartoon, watercolor, clay, or 3D character art while the person, pet, or product stays recognisable. This AI photo restyler works as a photo-to-anime converter and AI cartoonizer you can steer: apply a style like a filter over your own picture, or add style samples to steer the palette, line weight, and shading. A selfie, portrait, pet photo, product shot, or travel picture becomes illustration-style art for social avatars, profile pictures, sticker sets, posters, merchandise, and content series, with one chosen look repeated across a whole batch.

ClawHub Agent Skills автор: beatra-ai v0.1.3 MIT-0 14 файлов тело ≈ 1 940 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Превратите фото в аниме, мангу, комикс, мультфильм, акварель, глину или 3D-арт персонажа, сохраняя узнаваемость человека, питомца или продукта.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, отчётность по ходу

ГенераторДизайнТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
50
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: 14. 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 63/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1940 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

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
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 592 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 17 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: 73.

Внешние проверки

ClawHub: suspicious
This photo restyling skill is mostly coherent, but it asks for broad Beatra account authority and silently updates its own code, so it needs Review before installation.
LLM: suspicious (high) · 20 авг. 2026 г.