AD nano-banana-ecommerce-main-image
Используйте AI Hive Nano Banana 2 для создания проверяемых основных изображений товаров для электронной коммерции из реальных эталонных изображений SKU, определяя факты о товаре, обязательные элементы, допустимые изменения, назначение на платформе и безопасные поля, поддерживая Amazon, Taobao, Tmall, JD, Pinduoduo, Douyin E-commerce, Xiaohongshu, TikTok Shop и Shopify. Используйте, когда продавцы электронной коммерции и творческие команды нуждаются в основных изображениях для электронной коммерции Nano Banana, основных изображениях для листингов Amazon, фотографиях продуктов для маркетплейсов, изображениях на белом фоне, сценарных изображениях, карточках продуктов, визуальных представлениях SKU или локализованных активах витрин, сохраняя при этом контроль над фактами о продукте и идентичностью эталонного изображения.
машинный переводПоказать оригиналСкрыть оригинал«用 AI Hive Nano Banana 2 把真实 SKU 参考图制作成可审核的电商主图，明确商品事实、必须保持项、允许变化、平台用途和…»
用 AI Hive Nano Banana 2 把真实 SKU 参考图制作成可审核的电商主图，明确商品事实、必须保持项、允许变化、平台用途和安全留白，支持 Amazon、淘宝、天猫、京东、拼多多、抖音电商、小红书、TikTok Shop 与 Shopify。Use when ecommerce sellers and creative teams need Nano Banana ecommerce main images, Amazon listing hero images, marketplace product photos, white-background images, scene images, product cards, SKU visuals or localized storefront assets while keeping product facts and reference-image identity under control.
Используйте AI Hive Nano Banana 2 для создания проверяемых основных изображений товаров для электронной коммерции из реальных эталонных изображений SKU…
Как процесс D 38/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 38/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 848 токенов
- 100Повторный запуск. Изменяющих операций нет
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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 439 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +4Есть примеры (6 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.