Star 历史趋势
数据来源: GitHub API · 生成自 Stargazers.cn
README.md

🌐 中文 · English

Identity Skill

「给它参考图,拿回一个 1:1 还原的个人网站。」 "Hand it the reference images. Get back a personal site that actually matches them."

License Codex Skills


先出参考图,再写代码。设计你先过目,实现照图还原。

用 Image 2 把每个分区的设计出成参考图,你确认并锁定后再做 1:1 还原。设计这一步交给最强的图片模型,补上 Codex 的短板;实现完成后,再用逐区截图、保真台账和确定性验证检查交付证据。

npx skills add Sac-Y/identity-skill

主要面向 Codex,装好后直接说话即可触发。

案例演示 · 为什么需要它 · 怎么工作 · 安装与使用


案例演示

以下网站都是用该 skill 生成:

1 · 马斯克

https://github.com/user-attachments/assets/8396b561-5f30-40a8-92d0-e8655337193c

2 · links(国内知名旅游摄影博主)

https://github.com/user-attachments/assets/54c89d13-f7a7-4e0c-ba77-5f9b236b2cda

3 · Sac(仓库作者)

https://github.com/user-attachments/assets/31ccce26-ace5-41e4-909d-12603cce96b6


为什么需要它

让 agent 做网站,通常是它直接开始写代码——你看不到设计长什么样,只能等它做完,而它的审美又不稳定。

这个 skill 反过来:先用 Image 2 把每个分区的设计出成参考图给你确认,再照图高保真还原。你在写代码前就锁定了设计;交付前还必须留下逐区对照证据并通过验证,不能只凭 agent 自己宣称“已经完成”。


五步工作流

每一步都有明确产物,前四步之间有阻塞式确认关卡——你在关键决策点拍板,而不是等它做完一整个错的网站。

步骤做什么产物确认关卡
1 · 内容与风格锁定读你的简历/LinkedIn/项目链接,定站点形态和分区,推荐最多 3 个可视觉想象的风格方向内容与站点形态文档 + 风格选项✅ 确认内容和风格
2 · 参考图锁定每个分区出一张横向参考图,锁定真实人物/产品的来源策略,完成视觉质量与可实施性审查;确认后保存不可覆盖版本和 SHA-256分区参考图 + render contract + 哈希锁✅ 接受参考图
3 · 素材拆分清单逐张拆解参考图:哪些留代码、哪些出背景图、哪些出前景素材,并测量每个素材的几何(包围盒、长宽比、占宽 %)参考图→构建映射 + 素材清单✅ 确认拆分方案
4 · 素材生成评审只生成已批准的素材,每张锚定参考图区域生成、生成后逐一对照检查素材成品 + 复刻简报✅ 接受素材
5 · 高保真复刻与 QA交给 builder 契约做 1:1 实现,逐区对照参考图,检查桌面/超宽屏/移动端截图,完成 fresh-context 审查并运行确定性验证网站 + 保真台账 + 完整证据

安装与使用

npx skills add Sac-Y/identity-skill

装好后,在 Codex 里直接描述你的需求即可触发:

「用 identity-skill 帮我做个求职用的个人网站,我有 LinkedIn」
「照着这几张参考图 1:1 还原成网页」
「帮我做个作品集站,风格大胆一点,给我几个方向选」

它会从第一步开始,在每个确认关卡停下来等你拍板。

完成验证

第五步交付前,skill 会运行随包提供的验证器:

python3 /path/to/identity-skill/scripts/verify_identity_run.py /path/to/site-project

验证器会检查不可覆盖的参考图哈希、逐 section 的桌面/超宽屏/移动端截图、截图尺寸、保真状态、fresh review 和必要台账。退出码为 0 只表示证据完整;最终视觉质量仍需逐图审查。

依赖与兼容

  • 图像生成:优先用已安装的 imagegen-frontend-web;没有则读内置适配版,或写好提示词让你贴到 GPT web Image 2。
  • 前端实现:优先用已安装的 Build Web Apps frontend-app-builder;没有则用内置版本。
  • 素材拆分:内置 reference-asset-splitter,无需单独安装。
  • 质量与证据:内置视觉质量门槛、证据门槛和 verify_identity_run.py 验证器。
  • 所有配套引用、案例和验证脚本都已随本 skill 打包,装这一个就够了

敬请期待

还在持续迭代,接下来计划:

  • 不止 Codex:补上其他 Agent 的使用示例,图片生成也接入 Image 2 之外的模型 API。
  • 高级动效:扩展更复杂的交互、转场和动效审查能力。
  • 更多风格:改进设计 taste,增添多种不同风格的预设模板。
  • 打磨流程:继续完善整体的设计流程。

关注本仓库,持续更新中。


致谢

第二步参考图生成使用了 Taste Skillimagegen-frontend-web(by Leonxlnx · MIT)。感谢!


License

MIT © Sac-Y

关于 About

数字名片.skill:一键打造专属个人网站

语言 Languages

Python100.0%

提交活跃度 Commit Activity

代码提交热力图
过去 52 周的开发活跃度
12
Total Commits
峰值: 10次/周
Less
More

核心贡献者 Contributors