BC photo-grader
Применяйте профессиональную цветокоррекцию к фотографиям в форматах RAW/JPG/HEIC. Использует RawTherapee CLI в качестве единственного движка обработки. Управляется параметрами в стиле Lightroom, сгенерированными LLM. Используйте, когда пользователь хочет: - Применить цветокоррекцию / постобработку к файлам RAW/JPG/HEIC - Применить пакетно корректировки в стиле Lightroom (экспозиция, контраст, HSL, тональная кривая и т. д.) - Обработать набор фотофайлов с рекомендованными ИИ параметрами цвета - Экспортировать обработанные JPG из файлов RAW/JPG/HEIC - Применить единообразную обработку ко всем файлам в каталоге (режим таймлапс / пакетный режим) - Сгенерировать файлы RawTherapee PP3 для ручной проверки Триггеры: Пользователь упоминает цветокоррекцию RAW-файлов, применение параметров Lightroom, постобработку RAW-фотографий, обработку фотографий на основе рекомендаций ИИ или единообразную обработку для серий таймлапс. Зависимости: RawTherapee CLI: rawtherapee-cli в PATH (macOS; Homebrew работает после авторизации пользователя, иначе используйте официальный автономный CLI) / apt install rawtherapee-cli (Debian) Проверка: bash scripts/setup_deps.sh Рабочий процесс: 1. Используйте `photo-toolkit` для создания миниатюр 2. Используйте мультимодальную LLM с промптом куратора фотографий для генерации параметров цветокоррекции 3. Сохраните JSON-вывод LLM как `grading_params.json` 4. Запустите `grade.py` для пакетного применения цветокоррекции через RawTherapee ⚠️ ВАЖНО: Используйте photo_curator_prompt.md V3 (НЕ v1/v2). V3 использует параметры стандарта Lightroom с автоматическим сопоставлением.
машинный переводПоказать оригиналСкрыть оригинал«Apply professional-grade color grading to camera RAW/JPG/HEIC photos.…»
Apply professional-grade color grading to camera RAW/JPG/HEIC photos. Uses RawTherapee CLI as the sole processing engine. Driven by LLM-generated Lightroom-style parameters. Use when the user wants to: - Apply color grading / post-processing to camera RAW/JPG/HEIC files - Batch apply Lightroom-style adjustments (exposure, contrast, HSL, tone curve, etc.) - Process a set of photo files with AI-recommended color parameters - Export color-graded JPGs from RAW/JPG/HEIC files - Apply uniform grading to all files in a directory (timelapse / batch mode) - Generate RawTherapee PP3 sidecar files for manual inspection Triggers: User mentions color grading RAW files, applying Lightroom parameters, post-processing camera RAW photos, grading photos based on AI recommendations, or uniform grading for timelapse sequences. Dependencies: RawTherapee CLI: rawtherapee-cli in PATH (macOS; Homebrew works after user authorization, otherwise use official standalone CLI) / apt install rawtherapee-cli (Debian) Check: bash scripts/setup_deps.sh Workflow: 1. Use `photo-toolkit` to generate thumbnails 2. Use multimodal LLM with photo curator prompt to generate grading parameters 3. Save LLM's JSON output as `grading_params.json` 4. Run `grade.py` to batch-apply grading via RawTherapee ⚠️ IMPORTANT: Use photo_curator_prompt.md V3 (NOT v1/v2). V3 uses Lightroom-standard params with auto-mapping.
Использует RawTherapee CLI в качестве единственного движка обработки.
Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу
Как улучшить
- Сократите description до 1024 символов.
- 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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 1398 символов, лимит 1024
Процессный рейтинг: все десять параметров 62/100
- 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
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 26
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1807 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)
- +3Длина description 1397: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- -212 эмодзи в инструкциях: шум для модели
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Есть примеры (3 блоков кода)
- +3Все 2 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.