ai-video-generation
中文介绍正在整理,稍后补充。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-14 00:01
191,493 个结果
中文介绍正在整理,稍后补充。
ai-image-generation 是一个通过 inference.sh CLI(belt)调用 50+ 种 AI 图像模型生成与编辑图片的技能。模型涵盖 GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Pruna P-Image 系列、Gemini 3 Pro、Gemini 2.5 Flash、Grok Imagine、Seedream 4.5/4.0/3.0、Reve、ImagineArt 1.5 Pro、FLUX Klein 4B、Topaz Upscaler 等。可用于文生图、图像编辑、局部重绘、文字渲染、超分辨率放大、多图拼接等任务。使用前需安装 belt CLI 并登录,通过 belt app run 加模型 App ID 与 JSON 输入调用。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
Image Edit 是 RunComfy 平台上的一个图像编辑技能,定位为“智能路由器”:它不固定使用单一模型,而是根据用户的实际编辑意图,在 RunComfy 模型目录中挑选最合适的一个编辑模型来执行任务。可匹配的意图包括:批量身份保持编辑、多语言文字重写、单次精确局部编辑,以及基于蒙版的区域替换等。该技能通过匹配意图表格来分类用户需求,并在 Nano Banana Edit、GPT Image 2 Edit、Flux Kontext Pro、Z-Image Turbo Inpaint 四条路线中选择一条,然后以 runcomfy run 命令配合对应 JSON 参数调用。安装命令为 npx skills add agentspace-so/runcomfy-skills --skill image-edit -g,使用前需安装 RunComfy CLI(npm i -g @runcomfy/cli)并登录账号,CI/容器环境可设置 RUNCOMFY_TOKEN。每次调用只选择一个模型,不做多路线混合;若用户指定了具体品牌模型,则转由对应的品牌技能处理。
Nano Banana Edit 是基于 RunComfy 模型 API 的图像编辑技能,调用 Google Nano Banana 2 的 image-to-image 编辑端点,实现在保留主体身份、姿态、服装等前提下对图片进行背景替换、服装更换、局部物体增删和画面内文字替换等编辑。每次调用支持 1 至 20 张输入图片(首张为主图,其余提供辅助线索)和 1 至 4 张输出,适合 SKU 商品图批量换背景、代言人背景替换、广告素材 A/B 变体以及品牌资产重定位等需要一致性的批量编辑任务。该技能通过 RunComfy CLI 调用,需先安装 CLI 并登录 RunComfy 账号,CI 环境可用 RUNCOMFY_TOKEN 环境变量鉴权。
中文介绍正在整理,稍后补充。
Flux Kontext Pro 是 Black Forest Labs 推出的单张参考图精确局部图像编辑模型,托管于 RunComfy Model API 之上。它通过一句声明式的编辑指令,对单张源图片做局部修改,并尽量保持人物身份、姿势、构图、品牌等其余部分不变,强调强提示词控制、一致输出与高保真度。该技能以 RunComfy CLI 调用 blackforestlabs/flux-1-kontext/pro/edit 端点,输入仅需 prompt 与 image,另可选 aspect_ratio 和 seed 两个字段。适合单图精确局部编辑、保留源主体身份的定向修改、品牌素材文字或配色替换以及单图快速迭代等场景。限制包括只支持单张源图(多图流程需改用 Nano Banana Edit)、复合式提示词容易漂移(建议拆分为多次串行单指令编辑)、多语言或图内嵌入文字编辑一般由 GPT Image 2 edit 更优、无源图的全新生成应使用 Flux 2 Klein。
中文介绍正在整理,稍后补充。
GPT Image Edit 是 RunComfy Model API 上基于 OpenAI GPT Image 2 的 /edit(即 ChatGPT Images 2.0 图像到图像)端点的图像编辑技能。它在针对性编辑中保持人物身份、品牌标识和版式稳定,并能在图像内改写多语言文字(拉丁、假名、CJK、西里尔、阿拉伯等字符)。支持最多 10 张参考图,可通过编号引用分别指定主体、场景与配色,也能用方向性语言做版面级局部调整(如移动标题、替换 CTA)。使用时通过 RunComfy CLI 调用 runcomfy run openai/gpt-image-2/edit 提交 JSON 请求,输出结果下载到指定目录。官方建议先用保留语句、后写改动内容,并引用图像内文字原文而非转述。尺寸仅支持 auto 及三个固定值,超出会报 422。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
Azure Enterprise Infra Planner 是一个面向云架构师和平台工程师的 Azure 基础设施规划与预配技能,用于根据工作负载或架构描述来规划企业级 Azure 基础设施。它可以设计登陆区、中心辐射(hub-spoke)网络或多区域拓扑,规划 VNet、子网、防火墙、专用终结点和 VPN 网关等网络组件,并规划身份、RBAC 与合规驱动的基础设施。该技能还能生成订阅范围或多资源组部署的 Bicep 或 Terraform 代码,并规划灾难恢复、故障转移或跨区域高可用拓扑。它采用 7 阶段门控流水线:从输入中提取洞察、研究最佳实践与资源、生成计划、经用户批准后生成 IaC、进行本地验证与安全扫描、最后在明确风险确认后部署。对于已存在的资源,它会先进行清单清点并引用而非重建,部署时仅增量添加,不修改或销毁被引用的资源。
面向 Azure Kubernetes Service (AKS) 集群的规划与配置技能,用于规划、创建和配置生产级 AKS 集群,覆盖 Day-0 检查清单、SKU 选择(Automatic 与 Standard)、网络、安全、可观测性、升级与节点池等主题。该技能基于用户需求产出推荐的 AKS 集群配置,明确区分创建后难以更改的 Day-0 决策(如网络、API 服务器)与可在创建后启用的 Day-1 功能。适用于新建 AKS 集群、规划生产工作负载集群配置、设计 AKS 网络(API 服务器访问、Pod IP 模型、出站)、设置身份与密钥管理、配置治理、启用可观测性、定义升级与补丁策略以及了解 Automatic 与 Standard SKU 差异等场景。若需要将应用容器化并部署到已有集群,应改用其子技能 azure-kubernetes-app-deploy。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。
中文介绍正在整理,稍后补充。