Token导航 LogoToken导航

Agent Skill · 研究检索

photo-composition-critic(照片构图评论家)

用于辅助图像生成、图片编辑、视觉素材处理或图像模型工作流。它适合让 Agent 根据文本生成图片、处理背景、整理视觉提示词或调用相关图像工具。使用时需要确认输入图片、版权来源、输出格式和模型限制;涉及人物、品牌、商品或公开展示素材时,应额外核对授权、真实性和内容合规边界。

photo-composition-critic 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为调用外部服务;许可证为 MIT,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 13,811。

总安装 9,079周安装 386GitHub Stars 98下载 3,181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
MIT

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:photo-composition-critic(照片构图评论家)
来源仓库:https://github.com/erichowens/some_claude_skills
仓库路径:skills/photo-composition-critic
安装命令:
npx skills add https://github.com/erichowens/some_claude_skills --skill photo-composition-critic
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。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/erichowens/some_claude_skills --skill photo-composition-critic

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于辅助图像生成、图片编辑、视觉素材处理和图像模型工作流。适合让 Agent 根据文本生成图片、处理背景或整理视觉提示词。使用时需要确认输入图片、版权来源、输出格式和模型限制。涉及人物、品牌或公开展示素材时,应核对授权、真实性和内容合规边界。

photo-composition-critic 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/photo-composition-critic

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/erichowens/some_claude_skills --skill photo-co…;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

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

photo-composition-critic 怎么安装?

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

photo-composition-critic 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。

photo-composition-critic 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

photo-composition-critic 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

photo-composition-critic 用的人多吗?

公开数据是累计安装 9,079 次,近一周安装 386 次,下载 3,181 次,GitHub 98 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。

photo-composition-critic 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。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 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

  • 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。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
photo-composition-critic

照片构图评论家 · 本页

9,07998调用外部服务MIT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

Photo Composition Critic

Expert photography critic with deep grounding in graduate-level visual aesthetics, computational aesthetics research, and professional image analysis.

When to Use This Skill

Use for:

  • Evaluating image composition quality
  • Aesthetic scoring with ML models (NIMA, LAION)
  • Photo critique with actionable feedback
  • Analyzing color harmony and visual balance
  • Comparing multiple crop options
  • Understanding photography theory

Do NOT use for:

  • Generating images → use Stability AI directly
  • Photo editing/retouching → use native-app-designer
  • Simple image similarity → use clip-aware-embeddings
  • Collage creation → use collage-layout-expert

MCP Integrations

MCPPurpose
FirecrawlResearch latest computational aesthetics papers
Hugging Face (if configured)Access NIMA, LAION aesthetic models

Quick Reference

Compositional Frameworks

FrameworkKey Points
Visual WeightSize, color warmth, isolation, intrinsic interest, position
GestaltProximity, similarity, continuity, closure, figure-ground
Dynamic SymmetryRoot rectangles (√2, √3, φ), baroque/sinister diagonals
ArabesqueS-curve, spiral, diagonal thrust - eye flow through frame

Color Harmony Types

TypeScoreNotes
Complementary0.9High visual interest
Monochromatic0.85Safe, cohesive
Triadic0.85Balanced, vibrant
Analogous0.8Natural, harmonious
Achromatic0.7B&W or desaturated
Complex0.6May be chaotic or intentional

ML Model Score Interpretation

Score RangeMeaning
7.0+Exceptional (top ~1%)
6.5+Great (top ~5%)
5.0-5.5Mediocre (most images)
<5.0Below average

Analysis Protocol

1. FIRST IMPRESSION (2 seconds)
   └── Where does the eye go? Emotional hit? Anything "off"?

2. TECHNICAL SCAN
   └── Exposure, focus, noise, color, artifacts

3. COMPOSITIONAL ANALYSIS
   └── Subject clarity, structure, balance, flow, depth, edges

4. AESTHETIC EVALUATION
   └── Light quality, color harmony, decisive moment, story

5. CONTEXTUAL ASSESSMENT
   └── Genre success, photographer intent, audience fit

6. ACTIONABLE RECOMMENDATIONS
   └── Specific improvements, post-processing, alt crops

Anti-Patterns

"Just use rule of thirds"

What it looks likeWhy it's wrong
Blindly placing subjects on thirds intersectionsOversimplification ignores visual weight, gestalt, dynamic symmetry
Instead: Analyze visual weight center, consider multiple frameworks

"Higher NIMA score = better photo"

What it looks likeWhy it's wrong
Using ML score as sole quality metricModels trained on averages, miss artistic intent, polarizing works
Instead: Use ML as one input alongside theoretical analysis

"Color harmony means matching colors"

What it looks likeWhy it's wrong
Recommending monochromatic or matchy palettesIgnores Itten's contrasts, Albers' interaction effects
Instead: Evaluate harmony type AND contextual appropriateness

Ignoring genre context

What it looks likeWhy it's wrong
Applying portrait criteria to documentaryDifferent genres have different quality signals
Instead: Assess against genre-appropriate standards

Reference Files

Load these for detailed implementations:

FileContents
references/composition-theory.mdArnheim visual weight, Gestalt, Dynamic Symmetry, Arabesque
references/color-theory.mdAlbers interaction, Itten's 7 contrasts, harmony detection algo
references/ml-models.mdAVA dataset, NIMA, LAION-Aesthetics, VisualQuality-R1
references/analysis-scripts.mdPhotoCritic class, MCP server implementation

Key Sources

Theory: Arnheim (1974), Hambidge (1926), Itten (1961), Albers (1963), Freeman (2007)

Research: AVA dataset (Murray 2012), NIMA (Talebi 2018), LAION-5B (Schuhmann 2022), Q-Instruct (Wu 2024)

Output Contract

This skill produces:

  • Visual output files (SVG, PNG, or canvas/WebGL code)
  • Rendering code with configurable parameters for style and layout
  • Asset pipeline for generating and optimizing visual artifacts
  • Style configuration with color palette, dimensions, and export settings

平台分布

Claude Code

30.45%
按下载量换算969

windsurf

23.24%
按下载量换算739

Codex

17.34%
按下载量换算552

Antigravity

13.34%
按下载量换算424

OpenCode

6.74%
按下载量换算214

Cursor

3.64%
按下载量换算116

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

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。

继续浏览同类 Skills