enhance-glyph
Über
Dieses Claude-Skill verbessert bestehende R-basierte Glyphen in Visualisierungen, indem es aktuelle Darstellungen überprüft, Probleme wie Skalierung und Lesbarkeit diagnostiziert und gezielte Modifikationen anwendet. Es ist nützlich, wenn Symbole in kleinen Größen schlecht dargestellt werden, unklare visuelle Metaphern aufweisen oder unter unausgewogenen Neon-Leuchteffekten leiden. Entwickler können es nutzen, um Skill-, Agenten- und Team-Symbole über verschiedene Farbpaletten hinweg mit Vorher-Nachher-Vergleichen zu verfeinern.
Schnellinstallation
Claude Code
Empfohlennpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/enhance-glyphKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
增强符号
改善 viz/ 可视化层中现有的象形符号 — 审计其当前渲染效果、诊断视觉问题、应用针对性修改、重新渲染并进行修改前后对比。适用于技能、代理和团队符号。
适用场景
- 符号在小尺寸下渲染不佳(细节丢失、形状融合)
- 符号的视觉隐喻不清晰或与其代表的实体不匹配
- 符号存在比例问题(过大、过小、偏心)
- 霓虹发光效果过强或不足
- 符号在某个调色板中效果好但在其他调色板中表现差
- 添加新调色板或更改渲染流水线后的批量改善
输入
- 必需:实体类型 —
skill、agent或team - 必需:需要增强的符号的实体 ID(例如
commit-changes、mystic、tending) - 必需:需要解决的具体问题(可读性、比例、发光、调色板兼容性)
- 可选:展示期望质量水平的参考符号
- 可选:要优化的目标调色板(默认:所有调色板)
流程
步骤 1:审计 — 评估当前状态
检查当前符号并识别具体问题。
- 根据实体类型定位符号函数:
- 技能:
viz/R/primitives*.R(19 个按领域分组的文件),映射在viz/R/glyphs.R中 - 代理:
viz/R/agent_primitives.R,映射在viz/R/agent_glyphs.R中 - 团队:
viz/R/team_primitives.R,映射在viz/R/team_glyphs.R中
- 技能:
- 阅读符号函数以理解其结构:
- 使用了多少个图层?
- 调用了哪些基元?
- 缩放因子和定位参数是什么?
- 查看渲染输出:
- 技能:
viz/public/icons/cyberpunk/<domain>/<skillId>.webp - 代理:
viz/public/icons/cyberpunk/agents/<agentId>.webp - 团队:
viz/public/icons/cyberpunk/teams/<teamId>.webp - 如果可用,检查 2-3 个其他调色板的跨调色板渲染效果
- 在图标尺寸(图中约 48px)和面板尺寸(详情面板中约 160px)下查看
- 技能:
- 按照质量维度对符号评分:
Glyph Quality Dimensions:
+----------------+------+-----------------------------------------------+
| Dimension | 1-5 | Assessment Criteria |
+----------------+------+-----------------------------------------------+
| Readability | | Recognizable at 48px? Clear at 160px? |
| Proportions | | Well-centered? Good use of the 100x100 canvas?|
| Metaphor | | Does the shape clearly represent the entity? |
| Glow balance | | Glow enhances without overwhelming? |
| Palette compat | | Looks good across cyberpunk + viridis palettes?|
| Complexity | | Appropriate layer count (not too busy/sparse)? |
+----------------+------+-----------------------------------------------+
- 找出得分最低的 1-2 个维度 — 这些是增强目标
预期结果: 对符号问题的明确诊断以及需要改善的维度。审计应具体化:"比例:符号仅使用了画布的 40%",而不是"看起来不好"。
失败时: 如果符号函数缺失或实体不在其 *_glyphs.R 映射中,该符号可能尚未创建 — 请改用 create-glyph。
步骤 2:诊断 — 根因分析
确定已识别问题的成因。
- 对于可读性问题:
- 过多细节在小尺寸下融合?
- 符号元素之间对比度不足?
- 线条太细(s=1.0 时
size< 1.5)? - 元素之间距离太近?
- 对于比例问题:
- 缩放因子
s过小或过大? - 中心偏离 (50, 50)?
- 元素超出安全区域(10-90 范围)?
- 缩放因子
- 对于发光问题:
- 符号笔画宽度与
ggfx::with_outer_glow()的交互:- 细线条:发光使其模糊
- 粗填充:发光产生过度光晕
- 多个重叠元素:复合发光产生热点
- 符号笔画宽度与
- 对于调色板兼容性问题:
- 符号使用了硬编码颜色而非
col/bright参数? - 低对比度调色板(cividis, mako)使符号不可见?
- 符号依赖某些调色板无法提供的颜色变化?
- 符号使用了硬编码颜色而非
- 记录每个问题的具体根因
预期结果: 直接指向代码修改的根因。"符号太小" -> "缩放因子为 0.6,应为 0.8。""发光过强" -> "三个重叠的填充多边形各自产生发光。"
失败时: 如果通过代码检查根因不明显,使用不同参数单独渲染符号以隔离问题。使用 render_glyph() 对单个符号进行测试。
步骤 3:修改 — 应用针对性修复
编辑符号函数以解决诊断出的问题。
- 打开包含符号函数的文件
- 根据诊断结果应用修改:
- 缩放/比例:调整
s乘数或元素偏移量 - 可读性:简化复杂元素、增加笔画宽度、添加间距
- 发光平衡:减少重叠的填充区域,在填充产生光晕的地方使用轮廓线
- 调色板兼容性:确保所有颜色均来自
col/bright参数,添加 alpha 增加层次感
- 缩放/比例:调整
- 遵循符号函数契约:
glyph_name <- function(cx, cy, s, col, bright) { # cx, cy = center (50, 50) # s = scale (1.0 = ~70% of canvas) # col = domain color, bright = brightened variant # Returns: list() of ggplot2 layers } - 保持函数签名不变 — 不要更改参数
- 保持修改最小化:修复诊断出的问题,不要重新设计整个符号
预期结果: 修改后的符号函数解决了步骤 1-2 中识别的具体问题。修改是针对性且最小化的 — 增强,而非重新设计。
失败时: 如果修改导致其他维度变差(例如修复比例破坏了可读性),请还原并尝试不同的方法。如果符号需要完全重新设计,请改用 create-glyph。
步骤 4:重新渲染 — 生成更新后的图标
渲染修改后的符号并验证修复效果。
-
根据实体类型重新渲染:
技能:
cd /mnt/d/dev/p/agent-almanac/viz Rscript build-icons.R --only <domain> --no-cache代理:
cd /mnt/d/dev/p/agent-almanac/viz Rscript build-agent-icons.R --only <agent-id> --no-cache团队:
cd /mnt/d/dev/p/agent-almanac/viz Rscript build-team-icons.R --only <team-id> --no-cache -
验证每个调色板的输出文件存在于预期路径
-
检查文件大小 — 图标应为 2-15 KB(WebP):
- 低于 2 KB:符号可能过于简单或渲染失败
- 超过 15 KB:符号可能过于复杂(图层过多)
预期结果: 为所有调色板生成了新的图标文件。文件大小在预期范围内。
失败时: 如果构建脚本报错,检查 R 控制台输出中的具体错误。常见原因:符号函数中缺少右括号、引用了未定义的基元,或函数返回了非列表类型。如果渲染成功但输出为空白,符号图层可能超出了画布边界。
步骤 5:对比 — 修改前后验证
验证增强是否改善了目标维度。
- 对比新旧渲染效果:
- 在图标(48px)和面板(160px)尺寸下查看 cyberpunk 调色板版本
- 至少查看另外 2 个调色板(一个浅色如 turbo,一个深色如 mako)
- 重新对步骤 1 的质量维度评分:
- 目标维度应提高至少 1 分
- 非目标维度不应下降
- 如果符号在力导向图中使用,在那里测试:
- 启动 HTTP 服务器:从
viz/运行python3 -m http.server 8080 - 加载图形并找到实体节点
- 验证图标在默认缩放和放大时正确渲染
- 启动 HTTP 服务器:从
- 记录所做的更改和实现的改善
预期结果: 目标维度有可衡量的改善,其他维度无退化。符号在两种尺寸和各调色板下均效果更佳。
失败时: 如果改善微乎其微或发生退化,还原更改并重新考虑诊断。有时原始符号的局限性源于隐喻本身而非实现方式 — 在这种情况下,可能需要更改隐喻本身(升级为 create-glyph)。
验证清单
- 对当前符号进行了审计并给出具体问题诊断
- 为每个问题识别了根因
- 修改针对诊断出的问题(未过度编辑)
- 保持了符号函数契约(签名不变)
- 为所有调色板重新渲染了图标
- 修改前后对比显示目标维度有所改善
- 非目标维度无退化
- 文件大小在预期范围内(2-15 KB WebP)
- 符号在力导向图上下文中正确渲染(如适用)
常见陷阱
- 过度增强:修复一个问题后又调整其他所有内容。应专注于诊断出的问题
- 破坏契约:更改函数签名会破坏渲染流水线。5 参数契约是不可变的
- 针对特定调色板优化:为 cyberpunk 做到完美但在 viridis 下表现差。始终检查 3 个以上调色板
- 忽略小尺寸渲染:160px 下美观但 48px 下变成色块的图标是失败的增强
- 忘记重新渲染:编辑函数但未运行构建命令意味着更改不可见
- 构建命令错误:技能使用
build-icons.R,代理使用build-agent-icons.R,团队使用build-team-icons.R
相关技能
- create-glyph — 从头创建新符号(当增强不够时使用)
- audit-icon-pipeline — 检测流水线中哪些符号需要增强
- render-icon-pipeline — 增强后运行完整的渲染流水线
- ornament-style-mono — 适用于符号组合的视觉设计原则
- chrysopoeia — 价值提取方法论与符号优化相似(放大精华、去除杂质)
GitHub Repository
Verwandte Skills
llamaguard
AndereLlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.
cost-optimization
AndereDiese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.
quantizing-models-bitsandbytes
AndereDiese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.
dispatching-parallel-agents
AndereDiese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.
