SKILLEMALL.ai
EN Войти

BC ai-product-photography

Генерируйте профессиональные ИИ-фотографии продуктов и коммерческие изображения. Модели: FLUX, Imagen 3, Grok, Seedream для товарных снимков, лайфстайл-изображений, макетов. Возможности: студийное освещение, лайфстайл-сцены, упаковка, фотографии для электронной коммерции. Использовать для: электронной коммерции, листингов Amazon, Shopify, маркетинга, рекламы, макетов. Триггеры: фотография продукта, товарный снимок, коммерческая фотография, изображения для электронной коммерции, фото продукта для Amazon, изображения для Shopify, макет продукта, студийный снимок продукта, лайфстайл-изображение продукта, рекламное фото, пакшот, рендер продукта, ИИ-изображение продукта

машинный переводПоказать оригиналСкрыть оригинал«Generate professional AI product photography and commercial images. Mo…»

Generate professional AI product photography and commercial images. Models: FLUX, Imagen 3, Grok, Seedream for product shots, lifestyle images, mockups. Capabilities: studio lighting, lifestyle scenes, packaging, e-commerce photos. Use for: e-commerce, Amazon listings, Shopify, marketing, advertising, mockups. Triggers: product photography, product shot, commercial photography, e-commerce images, amazon product photo, shopify images, product mockup, studio product shot, lifestyle product image, advertising photo, packshot, product render, product image ai

Не рекомендуетсяесть критические или высокие находки безопасности
modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 1 901 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Генерируйте профессиональные ИИ-фотографии продуктов и коммерческие изображения.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторShopifyДизайнИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 1

  • высокая Опасные команды cmd-pipe-to-shell SKILL.md:16
    Скачивание и запуск удалённого кода с неизвестного хоста (pipe в shell)
    curl -fsSL https://cli.inference.sh | sh && infsh login

Просканировано файлов: 1. 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 51/100

  • 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
  • 85Шаги. Шагов: 6, расплывчатых формулировок: 1
  • 100Инструменты и файлы. Инструменты объявлены во frontmatter
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1901 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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 561 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (24 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.