Communitygithub.com

Restaurant Exterior Image Studio

Ein Tool zur Überprüfung, Wiederherstellung, Neuerstellung und Verifizierung von belegbaren Restaurant-Fassaden- und Ankunftsfotografien für private Demo-Websites.

Was ist Restaurant Exterior Image Studio?

Diese Fertigkeit ermöglicht es einem KI-Agenten, Restaurant-Außenbilder für die Verwendung auf privaten Demo-Websites zu überprüfen, wiederherzustellen, neu zu erstellen und zu verifizieren. Sie stellt sicher, dass alle produzierten Bilder originalgetreu die aktuellen realen Gegebenheiten des Restaurants widerspiegeln, einschließlich Architektur, Beschilderung, Eingang, Fassadenfarben, Fenster, Markisen und andere feste Merkmale. Die Fertigkeit ist nützlich, wenn Codex eine reale Außenansicht in ein glaubwürdiges KI-gestütztes Türbild umwandeln, Belichtungs- oder Perspektivenprobleme beheben, einen erkennbaren Ankunftsbereich schaffen, Beschilderung und Architektur bewahren, Quell- und Ausgabebeweise dokumentieren oder entscheiden muss, ob ein Außenbild für Demo- oder öffentliche Zwecke sicher ist. Sie unterstützt die Modi „Audit“, „Create“, „Repair“ und „Review“ und verwendet eine strukturierte Arbeitsanweisung mit Quellenverwaltung, Erhaltungskontrakt, Eingabeaufforderungen und sechs QA-Prüfungen, um die Bildtreue und rechtliche Unbedenklichkeit zu gewährleisten.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Restaurant Exterior Image Studio?

Erstellen Sie ein erkennbares, website-fertiges Ladenfrontbild, ohne das Restaurant neu zu gestalten. Behandeln Sie aktuelle reale Fotografien als Autorität für Architektur, Schild, Eingang, Fassadenfarben, Fenster, Markisen und feste Merkmale. Behandeln Sie KI nur als Wiederherstellungs- oder originalgetreue referenzbasierte Präsentationsschicht.

Lesen Sie references/exterior-image-playbook.md vor dem Beschaffen, Auffordern, Generieren oder Überprüfen eines Außenbildes. Kopieren Sie assets/exterior-manifest-template.json, anstatt einen Arbeitsauftrag zu erfinden.

Wählen Sie den Modus

  • Audit: Überprüfen Sie die Restaurantidentität, Aktualität der Quelle, sichtbare Ladenfrontfakten, Risiko von Behinderungen und Rechtestatus. Nicht generieren.
  • Create: Wählen Sie eine faktische Primärquelle aus, schreiben Sie einen Erhaltungsvertrag, generieren Sie einen originalgetreuen Außenbereichsvorschlag und bewahren Sie Beweise auf.
  • Repair: Diagnostizieren Sie eine fehlgeschlagene Ausgabe und generieren Sie aus den unberührten realen Quellen neu.
  • Review: Vergleichen Sie Quelle und Ausgabe, dokumentieren Sie alle QA-Entscheidungen und bestimmen Sie die Eignung für private Demo- oder Veröffentlichungszwecke.

Lassen Sie $restaurant-demo-builder entscheiden, ob die Außenerkennung das Publikum, das Konversionsziel und die Seitenstruktur unterstützt. Verwenden Sie diese Fertigkeit, um das Außenbild-Asset selbst zu erstellen und zu validieren. Verwenden Sie $restaurant-brand-palette separat, wenn die Aufgabe darin besteht, die Farben des Veranstaltungsorts zu extrahieren und in Website-Token zu übersetzen.

Bereiten Sie die Arbeitsanweisung vor

Erstellen Sie output/exterior-image-studio/<restaurant-slug>/ mit:

sources/
prompts/
drafts/
selected/
review/
exterior-manifest.json

Kopieren Sie die Manifestvorlage. Verwenden Sie Kleinbuchstaben und ASCII-Dateinamen. Halten Sie API-Token, private Schlüssel und Kontogeheimnisse aus allen Arbeitsanweisungsdateien fern.

Sperren Sie die Restaurantidentität und die Quellen

Überprüfen Sie den Restaurantnamen, die Adresse und die aktuelle Google Place ID, falls verfügbar. Speichern Sie jedes faktische Bild lokal mit seiner ursprünglichen URL, Plattform, Prüfdatum, Rechtestatus und SHA-256. Bevorzugen Sie Quellen in dieser Reihenfolge:

  1. aktuelles, vom Restaurant bereitgestelltes oder vom Eigentümer stammendes Foto;
  2. aktuelles Foto mit ausdrücklicher Zustimmung des Eigentümers;
  3. eindeutig lizenziertes Tourismus-, Kammer- oder Medienfoto;
  4. ein neues Handyfoto, das vom Eigentümer angefordert wurde;
  5. ein aktuelles öffentliches, soziales, Bewertungs-, Verzeichnis- oder Kundenfoto, das nur als faktische Referenz für private Demos verwendet wird.

Street View kann die Identität, den Ansatz und einen zukünftigen Kamerawinkel bestätigen, aber verwenden Sie niemals einen isolierten Street View-Screenshot als Bildeingabe oder Website-Asset. Fügen Sie niemals Plattform-Chrome oder einen Maps-Screenshot in die Demo ein.

Überprüfen Sie jede Quelle mit view_image. Dokumentieren Sie, ob sie das Schild, den Eingang, die Fassadengeometrie, die Fassadenfarben und die festen Merkmale beweist. Dokumentieren Sie Unsicherheiten, temporäre Behinderungen, Gesichter, Nummernschilder, saisonale Blockaden und Hinweise darauf, dass die Ladenfront möglicherweise veraltet ist.

Führen Sie das Quell-Gate vor der Planung aus:

python3 <exterior-skill>/scripts/validate_manifest.py \
  --manifest <work-order>/exterior-manifest.json \
  --stage source

Wählen Sie eine wahrheitsgetreue Transformation

Verwenden Sie faithful-restoration, wenn das Primärfoto bereits einen nützlichen Kamerawinkel hat und alle wichtigen Bereiche sichtbar sind. Verwenden Sie reference-based-recreation nur, wenn ein oder mehrere aktuelle reale Fotos jeden ausgabeorientierten Ladenfrontbereich vollständig unterstützen, die Quelle jedoch eine sauberere Website-Präsentation benötigt.

Erstellen Sie vor der Eingabeaufforderung einen Erhaltungsvertrag. Bewahren Sie Architektur, Ladenfrontproportionen, Schildtext und -platzierung, Logoform, Eingang, Fenster- und Türgeometrie, Markisen, Farben von Farbe und Material, feste Beleuchtung, Barrierefreiheitsmerkmale und andere dauerhafte Ankunftshinweise.

Erlauben Sie nur aufgezeichnete Änderungen wie Belichtungskorrektur, Weißabgleich, leichte Farbkorrektur, Objektiv- oder Perspektivenkorrektur, Rauschbereinigung, konservatives Hochskalieren, Privatsphärenunschärfe und responsives Zuschneiden. Entfernen Sie eine temporäre Behinderung nur, wenn eine andere aktuelle Quelle den freigelegten Bereich beweist. Andernfalls schneiden Sie darum herum zu.

Bauen Sie keine verborgenen Bereiche wieder auf, schreiben Sie Schildtexte nicht neu, erfinden Sie kein Logo, ändern Sie keine Farbe oder Materialien, versetzen Sie den Eingang nicht, verändern Sie keine Fenster, fügen Sie keine Landschaftsgestaltung oder Beleuchtung hinzu, entfernen Sie keine festen Merkmale, erfinden Sie keine Parkplätze, fügen Sie keine Terrasse hinzu, löschen Sie keinen benachbarten Kontext, der die Ankunft beeinflusst, und lassen Sie den Veranstaltungsort nicht luxuriöser erscheinen.

Speichern Sie die genaue Eingabeaufforderung unter prompts/, notieren Sie ihren SHA-256 und passieren Sie das Generierungs-Gate:

python3 <exterior-skill>/scripts/validate_manifest.py \
  --manifest <work-order>/exterior-manifest.json \
  --stage generate

Generieren Sie aus realen Referenzen

Verwenden Sie $imagegen mit der faktischen Primärquelle und nur den unterstützenden Quellen, die im Manifest aufgezeichnet sind. Geben Sie an, dass die Quelle die Ladenfrontfakten kontrolliert und die Eingabeaufforderung nur die zulässigen Präsentationsänderungen kontrolliert. Nennen Sie das Ziel-Seitenverhältnis und die beabsichtigte Platzierung auf der Website. Verbieten Sie neuen Text, neue Logos, architektonische Änderungen, die Erfindung verborgener Bereiche, Schönheitsverbesserungen und die nicht unterstützte Objektentfernung.

Speichern Sie jeden Versuch nicht-destruktiv. Verwenden Sie niemals eine frühere KI-Ausgabe als Ladenfrontbeweis.

Registrieren Sie das ausgewählte Raster, sodass seine tatsächlichen Abmessungen und sein SHA-256 erhalten bleiben:

python3 <exterior-skill>/scripts/register_output.py \
  --manifest <work-order>/exterior-manifest.json \
  --output <work-order>/selected/storefront-proposal.png

Führen Sie sechs QA-Prüfungen durch

Vergleichen Sie das unberührte Primärbild, alle unterstützenden Referenzen und die ausgewählte Ausgabe in einer sinnvollen Größe. Dokumentieren Sie jede Prüfung unabhängig:

  • identity: Die Ausgabe ist unverkennbar dasselbe aktuelle Restaurant.
  • facade_fidelity: Geometrie, Materialien, Fenster, Markisen und feste Merkmale bleiben faktisch.
  • signage_fidelity: Schildtext, Logo, Platzierung und Proportionen sind unverändert und lesbar.
  • color_fidelity: Fassaden- und Schildfarben wurden nicht in eine neue Markenidentität verschoben.
  • arrival_readiness: Der Eingang und nützliche Wegfindungskontext bleiben klar; Datenschutzprobleme wurden behoben.
  • ai_tells_and_web_readiness: Es sind keine fehlerhaften Texte, erfundenen Details, synthetischen Oberflächen oder unbrauchbaren Zuschnitte vorhanden.

Erstellen Sie das interne Vergleichsblatt:

python3 <exterior-skill>/scripts/make_review_sheet.py \
  --manifest <work-order>/exterior-manifest.json \
  --out <work-order>/review/source-vs-output.html

Setzen Sie review.source_record und review.output_record auf recorded, nachdem Sie die kanonischen Beweise aufbewahrt haben. Dies sind Workflow-Beweise, keine Zustimmung des Eigentümers.

Freigabe für die Demo oder Veröffentlichung

Führen Sie das private Demo-Gate unmittelbar vor dem Kopieren der ausgewählten Ausgabe in die Website aus:

python3 <exterior-skill>/scripts/validate_manifest.py \
  --manifest <work-order>/exterior-manifest.json \
  --stage demo

Eine private Demo kann einen Vorschlag verwenden, der auf öffentlichen realen Fotos mit unbekannten Rechten basiert, aber behalten Sie das Original intern, kennzeichnen Sie die Ausgabe als Foto-Vorschlag und behalten Sie owner_confirmation: pending und publication_status: not-cleared bei.

Der öffentliche Start erfordert eine aktuelle Genauigkeitsgenehmigung des Eigentümers sowie eine vom Eigentümer bereitgestellte, lizenzierte oder ausdrücklich erlaubte Quelle. Führen Sie --stage publication aus; gehen Sie nicht davon aus, dass die private 1:1-Demo-Nutzung die Veröffentlichungsrechte freigegeben hat.

Übergabe

Melden Sie die Identitätsbeweise, die unberührten Quellen, den Rechtestatus, den Erhaltungsvertrag, die Eingabeaufforderung, die ausgewählte Ausgabe, die sechs QA-Entscheidungen, das Vergleichsblatt, die aktuelle Validierungsstufe, den Bestätigungsstatus des Eigentümers und die Veröffentlichungsblocker. Veröffentlichen oder kontaktieren Sie das Restaurant nicht ohne ausdrückliche Autorisierung.

Beispielaufrufe

  • $restaurant-exterior-image-studio Überprüfe diese Ladenfront-Referenzen und sage mir, ob ein originalgetreues privates Demo-Bild möglich ist.
  • $restaurant-exterior-image-studio Erstelle ein breites Ankunftsbild aus den verifizierten Restaurantfotos, ohne das Schild oder das Gebäude zu verändern.
  • $restaurant-exterior-image-studio Überprüfe diese generierte Ladenfront mit ihren realen Quellen und repariere alle erfundenen Details.

Individual skills in this repo

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

LucasH1225/restaurant-website-skills

Extract, interpret, record, and validate evidence-backed restaurant color systems for website demos. Use when Codex needs to inspect a storefront, sign, logo, menu, packaging, or interior photo for recurring brand colors; separate brand evidence from food, sky, foliage, lighting casts, asphalt, or camera noise; choose a harmonious palette combination; translate a real anchor color into accessible CSS design tokens; preview color roles; or hand a palette lock to restaurant-demo-builder. Do not use for generic color inspiration without restaurant evidence, logo redesign, image generation, layout selection, or blind extraction of the most frequent pixels.

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

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