Token导航 LogoToken导航

Agent Skill · 前端设计

anti-render(反渲染)

anti-render 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

anti-render 是前端设计类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,第三方扫描已通过,按安装量在前端设计类的 10,216 个 Skill 里排第 385。

总安装 28,224周安装 1,223GitHub Stars 7下载 9,888核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:anti-render(反渲染)
来源仓库:https://github.com/lionad-morotar/anti-render-skill
仓库路径:skills/anti-render
安装命令:
npx skills add https://github.com/lionad-morotar/anti-render-skill --skill anti-render
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/lionad-morotar/anti-render-skill --skill anti-render

这个 Skill 是做什么的

前端设计类 Skill 关注页面结构、视觉规范和组件写法,输出通常是可运行的界面代码。

通过分析任何领域的图像内容,生成“理想承诺与残酷现实”的视觉比较。

自动检测图像域(建筑、肖像、产品、食物、旅行、游戏、健身、家居、科技)和当前状态(恶化、理想或正常) 输出三种模式:理想化渲染、现实日常外观或自动布局并排比较(根据宽高比左右或上下) 在所有领域应用五个通用对比维度:照明、材质、颜色、氛围和构图/细节 适用于图像提示 和提示图像 端到端工作流程的技能

来源仓库内路径:skills/anti-render

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/lionad-morotar/anti-render-skill --skill anti-…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

anti-render 怎么安装?

在终端执行 npx skills add https://github.com/lionad-morotar/anti-render-skill --skill anti-render。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

anti-render 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

anti-render 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

anti-render 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

anti-render 用的人多吗?

公开数据是累计安装 28,224 次,近一周安装 1,223 次,下载 9,888 次,GitHub 7 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

anti-render 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理前端设计类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

前端设计类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
frontend-design

前端设计 · Codex、Claude

8,823,360126,072只读MIT通过
vercel-composition-patterns

Vercel 组合模式 · Codex、Claude

3,858,81625,893需要联网MIT通过
vercel-react-native-skills

Vercel React native skills 前端 · Codex、Claude

2,468,66425,878只读MIT通过
adapt

adapt 搜索 · Codex、Claude

2,027,04023,125操作浏览器未明确通过
bolder

bolder 分析 · Codex、Claude

2,004,28823,130只读未明确通过
anti-render

反渲染 · 本页

28,2247权限未标注未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Anti-Render 理想vs现实视觉对比生成器

核心理念

通过并置(juxtaposition)手法,揭示任何领域中"承诺与交付之间巨大落差"的普遍困境。左侧呈现理想化的完美渲染,右侧揭示真实的日常面貌。

执行流程

  1. 接收图像 → 分析内容,识别所属领域为 $domain,计算图片宽高比为 $ratio
  2. 状态判断 → 确定当前状态(破败/普通/理想)
  3. 意图识别 → 根据用户指令确定输出模式
  4. 参数映射 → 将通用五维度映射到领域专属表达
  5. 构建提示词 → 构建基于领域专属表达的提示词
  6. 生成图像 → 生成目标图像

works well with skills: image-to-prompt, prompt-to-image

工作模式

1. 图像状态识别

用户上传图片后,分析其当前状态:

状态特征输出目标
破败质量问题、使用痕迹、维护不良生成理想化渲染图(即 step 2.1)
理想用户上传了营销图片、广告图片等精修后照片生成轻微破败渲染图片(即 step 2.2)
普通/正常无明显破损、日常使用状态生成理想化渲染和轻微破败的对比图(即 step 2.3)

如状态模糊,无法判断意图,主动询问用户期望方向

2. 三种输出模式

2.1 理想化渲染 (Ideal)

  • 目标:输出对应领域的宣传级别完美呈现
  • 特征:高饱和度、完美光影、无瑕疵、精心构图

2.2 真实面貌 (Reality)

  • 目标:输出对应领域日常的真实状态(非破败)
  • 特征:自然光线(“死亡打光”)、真实质感、日常氛围、未经修饰

2.3 对比图 (Comparison)

  • 目标:输出理想化渲染和真实面貌并置的对比图
  • 排列:根据原图宽高比自动选择左右或上下排列

领域识别与适配

领域检测

基于图像内容关键词匹配:

建筑领域: 建筑外观、城市景观、室内空间、建筑效果图、楼盘、住宅、商业空间
人像领域: 人像写真、Cosplay、自拍、证件照、活动拍摄、肖像
产品领域: 电商产品、商品展示、包装设计、电子产品、服饰
食物领域: 美食摄影、菜品展示、烘焙、饮品、餐厅菜单
旅游领域: 风景照、景点打卡、酒店房间、度假胜地
游戏领域: 游戏截图、游戏宣传、UI界面、角色设计
健身领域: 健身照、运动场景、瑜伽、健身房
家居领域: 室内装修、家具展示、样板间、智能家居
科技领域: 产品发布会、概念设计、VR/AR、智能汽车

核心对比维度(通用框架)

所有领域共享以下五个核心对比维度:

1. 光影 (Lighting)
理想侧现实侧
精心计算的完美光照自然/现场实际光线
黄金时刻或柔和补光硬光、顶光或平淡漫射光
明暗层次丰富、无死黑/过曝曝光妥协、阴影浓重
方向性明确、立体感强低对比度、缺乏层次
2. 材质 (Material)
理想侧现实侧
完美无瑕的表面真实使用痕迹
色彩饱和、质感强化褪色、污渍、磨损
无灰尘、无水痕、无瑕疵自然老化、环境痕迹
CG般的精确反射/折射混浊、不完美的反射
3. 色彩 (Color)
理想侧现实侧
高饱和度、鲜艳夺目低饱和度、略显平淡
色温精准、统一协调色温偏移、白平衡未校正
后期精修的色彩增强相机原生色彩还原
广告级别的视觉吸引力日常感、朴素感
4. 氛围 (Atmosphere)
理想侧现实侧
充满活力、生机勃勃冷清、平凡或略显尴尬
精心布置的场景元素杂乱的现场环境
梦幻、理想化的背景真实、暴露现场的环境
情绪饱满、引人入胜纪实感、冷峻客观
5. 构图/细节 (Composition)
理想侧现实侧
完美的透视与比例自然的镜头畸变
瑕疵移除、穿帮修复保留所有现场细节
精心安排的元素布局随机、不规则的真实分布
后期添加的特效/光效无后期加持的原始状态

对比图技术规范

排列规则

如生成对比图,需根据原图宽高比 $ratio 判断新的排列规则:

  • 原图横向(宽 > 高):对比图上下排列,水平分割线
  • 原图纵向(高 > 宽):对比图左右排列,垂直分割线

分割线规范

  • 位置:画面正中
  • 宽度:2-5像素
  • 颜色:纯白或极浅灰
  • 边缘:锐利清晰,无羽化

内容规则

  • 对比图左或上(根据排列规则):理想化渲染
  • 对比图右或下(根据排列规则):普通现实主义(默认)或破败状态(用户明确要求强烈对比效果)
  • 默认不要添加标题文字,保持画面纯净,让视觉对比本身说话

平台分布

Codex

37.78%
按下载量换算3,736

Claude

28.81%
按下载量换算2,849

Cursor

19.15%
按下载量换算1,894

Gemini CLI

9.06%
按下载量换算896

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills