Communitygithub.com

LucasH1225/restaurant-website-skills

Extrahiere, interpretiere, dokumentiere und validiere evidenzbasierte Farbpaletten von Restaurants für Website-Demos. Verwende dies, wenn Codex ein Geschäftsschild, ein Logo, eine Speisekarte, eine Verpackung oder ein Innenraumfoto auf wiederkehrende Markenfarben untersuchen, Markenevidenz von Lebensmittelfarben, Himmel, Laub, Beleuchtung, Asphalt oder Kamera-Rauschen trennen, eine harmonische Farbkombination wählen, eine reale Ankerfarbe in zugängliche CSS-Design-Tokens übersetzen, Farbrollenvorschauen anzeigen oder eine finale Palette an den Restaurant-Demo-Builder übergeben soll.

Was ist restaurant-website-skills?

Diese Skill-Anleitung definiert einen präzisen, evidenzbasierten Workflow zur Extraktion und Übersetzung von Restaurant-Markenfarben in ein zugängliches, kleines Website-Farbsystem. Entwickelt für den Einsatz mit KI-Agenten wie Codex oder Claude Code, die visuelle Beweise wie Schilder, Logos, Speisekarten, Verpackungen und Innenraumfotos analysieren müssen, um wiederkehrende Markenfarben zu identifizieren. Der Prozess umfasst mehrere Modi: Extrahieren von Farbmustern aus Bildausschnitten, Auditieren der Klassifizierung von Farben als Markenanker, unterstützende Farben, Neutrale oder abgelehnte Störelemente, Erstellen eines kompletten Website-Token-Systems basierend auf einem Anker und einer Kombinationsfamilie aus einer vorgeschriebenen Bibliothek, Aktualisieren einer vorhandenen Palette und Prüfen der finalen Farbkontraste. Die Skill-Anleitung legt besonderen Wert auf die Trennung von echter Markenevidenz (z. B. Logos, Schilder) von zufälligen Farben wie Lebensmitteln, Haut, Himmel oder Beleuchtung. Sie verlangt die Dokumentation aller Schritte in einer brand-palette.json-Datei, die Validierung über bereitgestellte Python-Skripte und die Übergabe der validierten Palette an einen separaten Restaurant-Demo-Builder. Der Anker darf nicht die gesamte Seite dominieren; vielmehr wird ein harmonisches Verhältnis von Leinwand (70%) zu Struktur (20%) zu Akzent (10%) empfohlen. </s>

Funktioniert mit~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/LucasH1225/restaurant-website-skills/tree/HEAD/skills/restaurant-brand-palette

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Restaurant-Markenpalette

Wandle visuelle Beweise aus Restaurants in ein kleines, zugängliches Website-Farbsystem um. Behandle wiederholte Schild-, Logo-, Speisekarten- und Innenraumfarben als Beweise. Behandle die finalen Token-Rollen und -Anteile als eine Designentscheidung, die diese Beweise bewahren und gleichzeitig die Lesbarkeit der Website sicherstellen muss.

Lies references/brand-palette-playbook.md, bevor du Farben extrahierst oder auswählst. Lies references/palette-combinations.md, wenn du eine wiederverwendbare Kombinationsfamilie auswählst. Kopiere assets/brand-palette-template.json und verwende assets/palette-combo-library.json, anstatt eine nicht dokumentierte Palette zu erfinden.

Wähle den Modus

  • Extrahieren: Nimm Kandidatenfarbmuster aus ausgewählten Bildbereichen, ohne ihre Bedeutung zu bestimmen.
  • Auditieren: Klassifiziere Farben als Markenanker, unterstützende Farben, Neutrale, beiläufige Farben oder abgelehntes Rauschen.
  • Erstellen: Wähle einen Anker, eine Kombinationsfamilie und ein vollständiges Website-Token-System.
  • Aktualisieren: Überprüfe Beweise oder Kontraste und aktualisiere eine bestehende Palette, ohne die Layout-Struktur zu ändern.
  • Prüfen: Rendere die Vorschau, validiere jede erforderliche Paarung und melde den Integrationsvertrag.

Lasse $restaurant-demo-builder das Rezept, die Layout-Grammatik, die Zielgruppe und das Conversion-Ziel wählen. Verwende diese Skill, nachdem die Identitätsevidenz festgestellt wurde und bevor das visuelle Styling abgeschlossen ist. Lasse $restaurant-exterior-image-studio ein Ladenfront-Asset erstellen; Diese Skill darf dessen unberührte faktische Quelle auf Farbevidenz untersuchen, aber ein KI-neugestaltetes Ergebnis nicht als neue Markenwahrheit behandeln.

Bereite den Paletten-Lock vor

Speichere brand-palette.json neben dem Demo-Forschungsdokument oder Rezept-Lock. Dokumentiere:

  • Restaurant-Identität und Evidenzquellen;
  • beobachtete Farben, Regionen, Quell-IDs, Vertrauensgrad und Klassifizierung;
  • abgelehnte Farben und Ablehnungsgründe;
  • ausgewählter Anker und ID der wiederverwendbaren Kombination;
  • Ableitung von beobachteten Farben zu Website-Tokens;
  • erforderliche Vordergrund-/Hintergrund-Paarungen;
  • beabsichtigte Farbanteile und Nutzungshinweise;
  • Prüfstatus und ob das Ergebnis evidenzbasiert oder ein klar gekennzeichneter Fallback ist.

Behalte Quell-URLs, Prüfdatums- und SHA-256-Werte. Speichere niemals API-Tokens oder private Anmeldedaten.

Untersuche Evidenz vor dem Sampling

Bevorzuge wiederholte, identitätstragende Oberflächen:

  1. offizielles Logo oder Wortmarke;
  2. Ladenfront-Schild, Markise oder bewusste Fassadenfarbe;
  3. gedruckte Speisekartenüberschriften, Linien und gebrandete Paneele;
  4. wiederholte Innenraumwand-, Sitzbank-, Fliesen- oder Tresenfarben;
  5. Verpackungen, Uniformen oder Social-Grafiken nur, wenn ihre aktuelle Restaurant-Identität verifiziert ist.

Lehne Lebensmittelfarben, Haut, Himmel, Wolken, Bäume, Gras, Asphalt, benachbarte Geschäfte, Spiegelungen, temporäre Dekoration, Bildschirm-Licht, warme Glühbirnen-Abstrahlungen, tiefe Kameraschatten und automatische Weißabgleich-Fehler ab oder isoliere sie. Wähle nicht „das häufigste Pixel“ als Markenfarbe.

Untersuche jede Quelle mit view_image. Wenn genaues Sampling sinnvoll ist, schneide nur den verifizierten gebrandeten Bereich zu:

python3 <palette-skill>/scripts/extract_swatches.py \
  --image <source-image> \
  --crop <left> <top> <right> <bottom> \
  --colors 8 \
  --output <work-order>/sampled-storefront-colors.json

Das Skript meldet Pixel, nicht Markenbedeutung. Dokumentiere, warum eine gesampelte Farbe relevant ist, bevor du sie beförderst.

Wähle einen Anker und eine Kombinationsfamilie

Wähle den Anker aus wiederholten, hochvertrauenswürdigen Beweisen. Bevorzuge Übereinstimmung zwischen zwei verschiedenen Quelltypen, z. B. Schild plus Speisekarte, gegenüber Wiederholung in einem einzigen Foto. Wenn nur ein sauberes, inhabergeführtes Logo oder eine Speisekarte existiert, reicht dies möglicherweise aus, wenn der Bereich eindeutig ist.

Zwinge den wörtlichen Anker nicht dazu, den größten Teil der Seite abzudecken. Behandle ihn als Markenanker für Aktionen, Überschriften, Regeln oder strukturelle Bänder. Leite eine ruhige Leinwand und Oberflächenneutralen ab, damit Lebensmittel, Menütext und Wegbeschreibungen leicht zu überfliegen bleiben. Ein 70 / 20 / 10-Verhältnis von Leinwand-und-Oberfläche / Struktur / Akzent ist ein Ausgangspunkt, keine feste Formel.

Wähle die nächstgelegene Familie in der Kombinationsbibliothek aus und passe dann ihre Rollen an die Beweise an. Die Bibliothek ist ein Leitfaden für Rollen und Harmonien, kein Beweis für die Restaurant-Markenidentität. Dokumentiere jede Abdunklung, Aufhellung, Entsättigung oder Neutralisierung in derivations. Halte Farbtonänderungen zurückhaltend; wenn ein anderer Farbton aus Gründen der Lesbarkeit oder Harmonie erforderlich ist, verwende ihn nur als unterstützende Farbe und erkläre die Wahl.

Wenn keine zuverlässige Markenfarbe existiert, verwende einen rezeptkompatiblen neutralen Fallback, setze selection.mode auf recipe-fallback und kennzeichne die Palette als kreativen Vorschlag. Behandle sie nicht als vom Restaurant stammend.

Erstelle Website-Tokens

Biete alle Tokens in der Vorlage an, einschließlich Leinwand, Oberflächen, Fließtext, gedämpfter Text, primäre Aktion, Hover-Zustand, Text auf primär, Akzent, Text auf Akzent, Rahmen, Steuerrahmen und Fokus. Verwende den Anker als Quelle für primary, wenn möglich; dunkle ihn jedoch ab oder helle ihn auf, wenn dies für den Textkontrast erforderlich ist.

Dokumentiere erforderliche Paarungen für normalen Text, großen Text und nicht-textuelle Steuerelemente. Validiere normalen Text mit 4.5:1, großen Text mit 3:1 und sinnvolle Steuer- oder Fokusgrenzen mit 3:1. Verlasse dich nicht ausschließlich auf Farbe, um ausgewählte, fehlerhafte oder Verfügbarkeitszustände zu kommunizieren.

Führe das Evidenz-Gate vor der Token-Arbeit und das Übergabe-Gate nach Abschluss aller Tokens aus:

python3 <palette-skill>/scripts/validate_palette.py \
  --palette <demo>/brand-palette.json \
  --combo-library <palette-skill>/assets/palette-combo-library.json \
  --stage evidence

python3 <palette-skill>/scripts/validate_palette.py \
  --palette <demo>/brand-palette.json \
  --combo-library <palette-skill>/assets/palette-combo-library.json \
  --stage handoff

Vorschau vor der Integration

Rendere eine eigenständige Vorschau mit Tokens, Schaltflächen, Menüzeilen, Beweisoberflächen und gemessenen Paarungen:

python3 <palette-skill>/scripts/render_palette_preview.py \
  --palette <demo>/brand-palette.json \
  --out <demo>/brand-palette-preview.html

Prüfe die Vorschau visuell. Stelle sicher, dass das Ergebnis sich nach dem Restaurant anfühlt, nicht zu einer undifferenzierten Wand der Ankerfarbe wird, den Appetit auf Lebensmittel bewahrt und gedämpfter Text auf mobilen Geräten lesbar bleibt.

Übergabe an den Demo-Builder

Übergib $restaurant-demo-builder die validierte brand-palette.json, die Vorschau und diese Einschränkungen:

  • bewahre das ausgewählte Rezept und den Layout-Fingerabdruck;
  • bilde die dokumentierten Tokens in CSS-Variablen ab, anstatt ad hoc Hex-Werte einzuführen;
  • verwende den Anker gemäß der dokumentierten Rolle und des dokumentierten Anteils;
  • halte den Farbabgleich von Fotos getrennt von UI-Farben;
  • führe die Palettenvalidierung nach jeder Token-Änderung erneut durch;
  • überprüfe visuell Desktop und Mobilgerät, einschließlich Text über Bildern und aller Schaltflächenzustände.

Lasse nicht zu, dass die Palettenauswahl ein altes Seiten-Skelett erzwingt oder verifizierte Restaurant-Evidenz überschreibt. Layout, Markenfarbe und Fotografie sind separate Locks, die sich in der finalen Demo treffen.

Übergabe

Melde akzeptierte und abgelehnte Evidenzfarben, Ankervertrauen, ausgewählte Kombination, Token-Ableitungen, gemessene Kontrastergebnisse, Vorschau-Pfad, Fallback-Status und etwaige Fragen zur Inhaberverifikation. Veröffentliche oder kontaktiere das Restaurant nicht ohne ausdrückliche Genehmigung.

Beispiel-Aufrufe

  • $restaurant-brand-palette Untersuche dieses Ladenfront-, Speisekarten- und Gastraumfoto und erstelle dann einen Website-Paletten-Lock.
  • $restaurant-brand-palette Extrahiere die echten Markenfarben und erkläre, welche Fotofarben du als Beleuchtung oder Umgebung abgelehnt hast.
  • $restaurant-brand-palette Prüfe diese Demo-Palette, repariere die schwachen Kombinationen und übergebe validierte CSS-Rollen an restaurant-demo-builder.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

LucasH1225/restaurant-website-skills

Research, position, design, build, and visually verify persuasive mobile-first website demos for independent restaurants with missing, broken, Facebook-only, outdated, or poor websites. Use when Codex is asked to analyze a restaurant lead, plan or create an outreach-ready restaurant website demo, turn Maps/Facebook/menu/review evidence into a tailored site, structure a clear mobile menu, coordinate evidence-backed food and storefront imagery, or integrate a restaurant-derived brand palette. Use restaurant-food-image-studio for food-image production, restaurant-exterior-image-studio for storefront-image production, and restaurant-brand-palette for photo-to-token color work. Do not use for generic restaurant directories, delivery marketplaces, or unverified production claims.

LucasH1225/restaurant-website-skills

Initialize, parallelize, resume, integrate, and validate evidence-gated restaurant website Demo work orders across restaurant-demo-builder, restaurant-brand-palette, restaurant-food-image-studio, and restaurant-exterior-image-studio. Use when Codex needs to start a new restaurant Demo from a lead, coordinate design/food/storefront subagents, run the complete multi-Skill workflow, continue interrupted work without repeating passed stages, inspect blockers or artifacts, or verify that a private Demo is ready for review. Do not use it to publish a site, contact a restaurant, bypass a specialist manifest, or generate unsupported food or storefront imagery.

LucasH1225/restaurant-website-skills

Audit, restore, recreate, and verify evidence-backed restaurant storefront and arrival photography for private website demos. Use when Codex needs to turn real venue exterior references into a faithful AI-assisted door-front image, repair exposure or perspective, create a recognizable arrival band, preserve signage and architecture, record source-versus-output evidence, or decide whether an exterior image is safe for Demo or public use. Do not use for invented storefront concepts, interior-only work, food photography, generic architecture renders, detached Street View screenshots, or any image that cannot be grounded in current real venue evidence.

LucasH1225/restaurant-website-skills

Collect, restage, harmonize, and verify evidence-backed food photography for independent restaurant website demos. Use when Codex needs to retrieve real restaurant dish photos through Apify Google Maps or Masa, turn mixed phone snapshots into one coherent customer-facing camera and lighting system, improve exposure or source-supported appetite cues, prevent visible AI artifacts, bind every designed image to a real served-dish source, or retain source-versus-output evidence and timing records. Do not use for text-only food generation, generic stock-food requests, full-menu illustration, or any realistic dish image that lacks a matching real restaurant photo.

Verwandte Skills