AI Media Generator

Testrapport

Taak: schrijf een prompt voor een 10-seconden pour-over koffie commercial. Baseline (uit het geheugen, zonder skill) produceerde een typische 'cinematic 10-second commercial... beautiful, slow-motion, dynamic camera movement, 4K, ultra detailed, masterpiece' — gemeten met grep: 4 onnodige woorden uit de stoplijst van de rubric, 0 benoemde camerabewegingen, 0 optica, 0 negatieve prompts; op de eigen 10-puntsschaal van de skill was dit 3 ruwe punten minus 4 strafpunten = 0/10, d.w.z., onder de eigen indieningsdrempel van '≥8'. Met de skill was het 10/10: 0 onnodige woorden, specifiek onderwerp (matte terracotta trechter, 60° conische ribben), 4 scène-elementen, 100mm f/4 + dolly-in + rack focus, negatieven uit negative-bank.md die echte artefacten aanpakken (gedeformeerd product, morphing shape, inconsistente label). De belangrijkste winst was structureel: selector.md verschoof van single-stage t2v naar two-stage i2v (eerst hero shot in Flux, dan animatie in Kling) — precies de techniek die de repo de hoofdoorzaak voor productdeformatie noemt, terwijl baseline rechtstreeks in deze valkuil liep. Installatie vanuit een kale HOME werkt (SKILL.md bevindt zich in de repo root, kloon direct naar ~/.claude/skills), alle relatieve links in SKILL.md zijn opgelost — 0 gebroken links van de gecontroleerde. Caveat: genereerde de media zelf niet (betaalde accounts nodig), dus evalueerde het prompt-artefact, niet de uiteindelijke video, en de rubric is de eigen rubric van de skill.

Getest op: 2026-07-16 · Claude Code 2.x (agent harness)