mediar-ai/anti-render
packages/skills/skills/anti-render/SKILL.md
智能识别任何领域的"理想承诺 vs 残酷现实"对比需求，生成理想化渲染、现实主义真实面貌或对比图的三种视觉风格转换
$ install --global
skillsauthnpx skillsauth add mediar-ai/skillhubz anti-renderInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
Security Scan Results
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
3
Scanners Passed
9
Scanners in report
Clean
TrivyContainer and dependency vulnerability scanner
95%
Clean
SemgrepStatic code analysis for vulnerabilities
95%
Clean
mcp-scan (Snyk)Model Context Protocol security validation
95%
Skipped
Snyk (dep)Open source security scanning
50%
Skipped
Socket.devSupply chain security analysis
50%
Skipped
VirusTotalMulti-engine malware detection
50%
Skipped
CrowdStrikeAdvanced threat intelligence
50%
Skipped
OSV-ScannerOpen Source Vulnerability database check
50%
Skipped
OWASP Dep-Check
50%
Last scanned: Apr 24, 2026, 9:02 PM1.8s1 file scanned
SKILL.md
- name:
- anti-render
- description:
- 智能识别任何领域的"理想承诺 vs 残酷现实"对比需求，生成理想化渲染、现实主义真实面貌或对比图的三种视觉风格转换
Anti-Render 智能图像转换
任务目标
- 本 Skill 用于:智能识别用户上传的图像所属领域，并根据"理想承诺 vs 残酷现实"的核心理念，生成相应风格的图像
- 能力包含:领域识别（建筑/人物/其他）、图像状态识别、智能意图判断、三种模式图像生成（理想渲染/真实面貌/对比图）
- 触发条件:用户上传任何领域的图像并要求"anti-render处理"、"做对比"、"理想化处理"或"现实化处理"
前置准备
- 无需特殊依赖，利用智能体已有的图像识别与生成能力
- 需要用户提供待处理的图像
- 根据识别的领域，动态读取对应的风格特征库，从 JSON 中提取灵感与风格要点（而不是逐句追随或照搬文案）：
- 建筑领域：anti-render.architecture.json
- 人物领域：anti-render.person.json
- 其他领域：使用通用核心原则
工作步骤（意图识别）
用户上传图片后，识别其当前状态和期望转换方向：
破烂/不理想状态：
- 建筑领域：墙体开裂、涂料剥落、金属锈蚀
- 人物领域：皮肤问题、光线恶劣、妆容糟糕
- 其他领域：明显的质量问题、使用痕迹、维护不良
- 输出目标：返回一张理想化的渲染图，达到该领域的宣传级别
普通/正常状态：
- 建筑领域：建筑外观正常、无明显破损、日常使用痕迹
- 人物领域：正常的相机直出、无严重皮肤问题
- 其他领域：无严重质量问题、正常的使用状态
- 输出目标：返回一张相应的现实主义"真实面貌"图片
对比模式：
- 用户明确使用"对比"关键词
- 输出目标：返回一张对比图，中间以显眼但不抢视觉重心的分隔线分割
- 排列方式：根据原图宽高比确定是上下排列还是左右排列，以便返回一张新的宽高比更均衡的图片
- 横向图片（宽 > 高）：采用左右排列，分割线为垂直线
- 纵向图片（高 > 宽）：采用上下排列，分割线为水平线
- 默认对比：极端理想 vs 普通现实（除非用户明确要求"破败对比"）
中间派：
- 图片状态介于破烂和普通之间，无法明确判断用户意图
- 行动：需要主动询问用户期望的转换方向
核心理念
Anti-Render 的核心理念是**"理想承诺 vs 残酷现实"的视觉对比叙事**。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：
- 广告图 vs 实物图:电商产品的精修宣传图 vs 买家秀真实照片
- 概念设计 vs 量产版本:汽车/手机发布会的概念图 vs 最终上市的妥协版
- 包装设计 vs 货架实物:设计稿中的精美包装 vs 超市货架上的实际效果
- 菜单照片 vs 实际上桌:餐厅菜单上的精致摆盘 vs 服务员端上来的真实样子
- 食品广告 vs 开箱实物:汉堡广告的诱人特写 vs 拆开包装纸的塌陷汉堡
- 烘焙教程 vs 翻车现场:美食博主的完美成品 vs 普通人的第一次尝试
- 官方宣传照 vs 游客实拍:旅游局的空旷美景 vs 人山人海的真实场景
- 酒店官网图 vs 入住实拍:五星级酒店的样板间 vs 实际分配的房间
- 景区效果图 vs 建成实景:规划中的主题公园 vs 开业后的廉价感
- 城市规划图 vs 实际建成:政府展示的未来城市愿景 vs 十年后的实际面貌
- 公共空间设计 vs 使用现状:设计师笔下的活力广场 vs 无人问津的空旷水泥地
- 交通规划图 vs 拥堵现实:理想化的道路流量模拟 vs 早高峰的停车场
- 游戏宣传片 vs 实际画面:E3 展会的精修演示 vs 玩家电脑上的实际运行效果
- 电影海报 vs 剧照截图:精修的角色海报 vs 电影中的实际镜头
- 游戏 UI 概念图 vs 最终界面:设计稿中的炫酷界面 vs 上线后的简化版本
- 健身广告 vs 真实训练:健身房宣传的完美身材与环境 vs 汗流浃背的真实训练场景
- 减肥前后对比 vs 真实过程:社交媒体的完美转变 vs 中间反复的挣扎过程
- 瑜伽教程图 vs 初学者实拍:导师的完美体式 vs 普通人的僵硬模仿
- 联合办公宣传 vs 实际使用:Wework 式的理想办公空间 vs 拥挤嘈杂的真实环境
- 家居样板间 vs 入住后:宜家展厅的完美收纳 vs 生活三个月后的杂乱
- 智能家居演示 vs 日常使用:科技展会的流畅操作 vs 家中频繁断连的现实
- 音乐节官宣 vs 现场实况:主办方的炫酷舞美图 vs 泥泞拥挤的观众视角
- 婚礼效果图 vs 仪式现场:婚庆公司的梦幻布置 vs 预算有限的实际效果
- 展会效果图 vs 撤展后:展览开幕的精致布展 vs 最后一天的破败景象
- 课程宣传图 vs 实际课堂:在线教育的精美课件 vs 卡顿的直播画面
- 校园宣传片 vs 学生日常:招生简章的理想校园生活 vs 图书馆抢座的真实
- 培训机构承诺 vs 就业现实:宣传中的高薪就业 vs 实际的求职困境
- 环保宣传 vs 污染现状:政府报告中的绿水青山 vs 实际的工业污染
- 季节宣传照 vs 气候现实:旅游手册的四季如画 vs 全球变暖的异常天气
- 野生动物纪录片 vs 栖息地现状:BBC 级别的壮美自然 vs 人类活动破坏后的荒凉
- Instagram 生活 vs 真实日常:精心策划的生活方式照片 vs 镜头外的混乱房间
- 网红打卡点 vs 拍摄角度外:完美构图的网红墙 vs 转身就是垃圾堆的真相
- 约会软件照片 vs 见面真人:精修的个人资料照 vs 第一次约会的真实样貌
- 发布会渲染图 vs 量产机:苹果发布会的完美工业设计 vs 实际的天线带/刘海
- VR 体验宣传 vs 实际佩戴:广告中的沉浸式未来 vs 戴上头显后的眩晕与笨重
- 智能汽车演示 vs 路测实况:自动驾驶的理想演示 vs 频繁接管的测试现实
领域识别与资源映射
1. 建筑领域
识别特征：建筑外观、城市景观、室内空间、建筑效果图 资源文件：anti-render.architecture.json 核心表达：建筑师理想化渲染图到残酷现实的视觉坠落
2. 人物领域
识别特征：人像写真、Cosplay摄影、活动拍摄、自拍 资源文件：anti-render.person.json 核心表达：后期精修的完美人像到原片真实的视觉落差
3. 其他领域
识别特征：产品、食物、旅游、游戏、健身、办公、活动、教育、自然、社交媒体、科技等 资源文件：使用通用核心原则 应用原则：灵活应用到具体场景，基于5个核心对比场景进行创作
核心要求
严格保留原图结构、元素与构图：
- 所有模式下必须严格保留原图的完整结构与所有元素
- 理想渲染/真实面貌模式：输出图保持原始尺寸（W×H）
- 对比图模式：左右或上下两部分各自保持原图尺寸与构图（每一部分为 W×H），仅改变材质、光照、色彩和氛围；最终画布为 2W×H 或 W×2H
- 分割线的存在不应破坏或遮挡原图的核心结构
- 不得改变原图的构图、透视关系、关键形态、环境布局等
- 禁止增加标题、边框等任何新元素：输出图像中不得添加任何原图没有的装饰性元素，包括但不限于标题、文字标签、边框、装饰线条、水印等
对比图排列规则：
- 根据原图宽高比智能决定排列方式
- 通过拼接得到一张新的宽高比更均衡的图片
- 分割线位置：正中，2-5像素宽，纯白色或极浅灰色
- 边缘处理：锐利清晰，不做羽化，强调两个世界的断裂感
- 分割线本身不属于新增元素，而是构图的一部分
对比图内容规则：
- 默认对比：极端理想 vs 普通现实
- 左侧/上方：极端理想化渲染（该领域的完美呈现）
- 右侧/下方：普通现实主义面貌（真实的日常状态，但不破败）
- 特殊对比：如果用户明确要求"破败对比"或"极端对比"，则使用理想 vs 破败的对比
- 右侧/下方：残酷现实（严重的质量问题、衰败、破败状态）
领域专属资源引用规则：
- 建筑领域：必须读取 anti-render.architecture.json，提取色彩、光照、材质、氛围、镜头感等风格要点，用于指导生成；不要照搬 JSON 的原句或把其中的文字当作要生成的画面元素
- 人物领域：必须读取 anti-render.person.json，提取肤质处理、布光方式、调色倾向、背景质感等风格要点，用于指导生成；不要照搬 JSON 的原句或把其中的文字当作要生成的画面元素
- 其他领域：使用通用核心原则，基于5个核心对比场景进行创作
主动询问机制：
- 如果用户给的图片过于中间派，无法识别用户意图时，需要主动询问
- 询问内容明确列出三种转换方向供用户选择
Related Skills
mediar-ai/valet
tools
VerifiedTrustedCommunity
Use when the user wants to manage Valet agents, channels, connectors, organizations, or environment variables (secrets and plain config) via the valet CLI. Handles creation, deployment, linking, teardown, and all multi-step workflows. Also use when asked to "create an agent", "deploy an agent", "design an agent", "build me an agent that...", "create a connector", "set up a webhook", or anything involving the Valet platform or any request to create and deploy AI agents. Also use when asked to "learn from this session", "capture this workflow", "save this as an agent", "make this repeatable", or when writing SOUL.md files.
8SKILL.mdUpdated Aug 25, 2026
mediar-ai/valet-publish
tools
VerifiedTrustedCommunity
Publish files, folders, and artifacts to the web. Static hosting for HTML sites, images, PDFs, reports, dashboards, and any file type. Use when asked to publish, host, upload, serve, or share work at a live URL. Also use to propose a rendered page when a report, comparison, chart, design document, or status page would work better than terminal text, but do not create or update a remote site until the user asks or agrees. Account publishing gives a permanent, private-by-default URL visible to org members; --anonymous gives a temporary public URL with no account. Use the valet CLI when available and its MCP server when the CLI cannot run. For deploying an AI agent rather than static files, use the `valet` skill instead.
8SKILL.mdUpdated Aug 25, 2026
mediar-ai/packages/skills/skills/faceless-so
testing
VerifiedTrustedCommunity
# Faceless.so Turn a script, prompt, Reddit post, or blog into a Remotion short with TTS, captions, and B-roll, then auto-post to YouTube, TikTok, Instagram, X, Facebook, LinkedIn, and Threads. ## Prerequisites - A Faceless.so account (from $24/mo) at https://faceless.so - Source material: script, prompt, Reddit URL, or blog URL - Destination social accounts to auto-post (YouTube, TikTok, Instagram, X, Facebook, LinkedIn, Threads) ## Instructions 1. Open https://faceless.so and start a new
8SKILL.mdUpdated Aug 25, 2026
mediar-ai/packages/skills/skills/bimi-svg-tiny-p-s-corpus-validator
testing
VerifiedTrustedCommunity
# BIMI SVG Tiny P/S Corpus Validator Use the public makeBIMI SVG Tiny P/S Test Corpus to evaluate an SVG against its evidence-bound fixture rules and to report the result clearly. ## Inputs Accept either an SVG file, an SVG URL, or raw SVG markup. If the source cannot be retrieved or parsed as XML, stop and report that limitation. ## Authoritative corpus 1. Retrieve the current manifest from `https://makebimi.com/public/test-corpus/v1/manifest.json`. 2. Record `schema_version`, `corpus_vers
8SKILL.mdUpdated Aug 25, 2026