返回技能列表

enhance-glyph

pjt222
更新于 2 days ago
8 次查看
17
2
17
在 GitHub 上查看
其他general

关于

This Claude Skill enhances existing R-based glyphs in visualizations by auditing current renderings, diagnosing issues like scaling and readability, and applying targeted modifications. It's useful when symbols render poorly at small sizes, have unclear visual metaphors, or suffer from imbalanced neon glow effects. Developers can use it to refine skill, agent, and team symbols across different color palettes with before-and-after comparisons.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/enhance-glyph

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

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 — skillagentteam
  • 必需:需要增强的符号的实体 ID(例如 commit-changesmystictending
  • 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。

  1. 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
    • 代理viz/R/agent_primitives.R,映射在 viz/R/agent_glyphs.R
    • 团队viz/R/team_primitives.R,映射在 viz/R/team_glyphs.R
  2. 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?
  3. 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
  4. 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)? |
+----------------+------+-----------------------------------------------+
  1. 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。

  1. 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?
  2. 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)?
  3. 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
  4. 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?
  5. 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。

  1. 打开包含符号函数的文件
  2. 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
  3. 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
    }
    
  4. 保持函数签名不变 — 不要更改参数
  5. 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。

  1. 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
    
  2. 验证每个调色板的输出文件存在于预期路径

  3. 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。

  1. 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)
  2. 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
  3. 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
  4. 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

GitHub 仓库

pjt222/agent-almanac
路径: i18n/zh-CN/skills/enhance-glyph
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

llamaguard

其他

LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。

查看技能

cost-optimization

其他

这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。

查看技能

quantizing-models-bitsandbytes

其他

这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。

查看技能

dispatching-parallel-agents

其他

该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。

查看技能