Communitygithub.com

Raibit-AI/blind-ad-review

Mejora un anuncio de vídeo mediante revisiones A/B ciegas repetidas. Dos versiones se muestran como hojas de contactos a un revisor nuevo que no sabe cuál es la más reciente, y ambas se puntúan frente a puntos de referencia de anuncios de comida ganadores. La siguiente versión cambia solo aquello en lo que los revisores coinciden, y el bucle continúa hasta que las ganancias se detienen. Úsalo cuando el usuario quiera mejorar, iterar, criticar o hacer pruebas A/B de un anuncio o Reel antes de gastar dinero, o pregunte 'qué versión es mejor'.

¿Qué es blind-ad-review?

Esta habilidad implementa un bucle de revisión A/B ciega para optimizar anuncios de vídeo, dirigido a creadores de contenido, especialistas en marketing y equipos creativos que buscan mejorar el rendimiento de sus anuncios en plataformas como Facebook e Instagram Reels. El proceso utiliza `ffmpeg` para generar hojas de contactos con fotogramas cada 0.5 segundos, que luego son evaluadas por revisores independientes sin contexto previo. El revisor puntúa cada versión frente a puntos de referencia de anuncios de comida ganadores, identificando las tres mejoras de mayor impacto. La habilidad aplica reglas estrictas: solo se actúa sobre cambios donde al menos dos revisores coinciden, se modifica un aspecto por iteración, y se detiene cuando las revisiones consecutivas indican un empate técnico o se requieren nuevas grabaciones. Finalmente, se envían 3-5 variantes para una prueba A/B real con presupuesto reducido durante una semana. Es especialmente útil para evitar el sesgo de autoevaluación y mejorar anuncios basándose en datos medibles.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Raibit-AI/food-ad-kit/tree/HEAD/plugins/food-ad-kit/skills/blind-ad-review

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Bucle de revisión ciega de anuncios

Juzgar tu propio trabajo se satura rápidamente. En el bucle del que proviene esta habilidad, la lista de verificación del creador alcanzó 29.5 de 30 en la versión 15, mientras que las ganancias reales seguían llegando. Las revisiones ciegas seguían encontrándolas.

1. Crea las hojas de contactos

Para cada versión, crea una imagen con un fotograma cada 0.5 s y su marca de tiempo:

ffmpeg -i ad.mp4 -vf "fps=2,scale=180:320,drawtext=text='%{pts\:hms}':fontcolor=yellow:fontsize=16:x=4:y=4,tile=8x6" -frames:v 1 sheet.jpg

Nómbralas de forma neutra (A.jpg, B.jpg) y aleatoriza cuál es la más reciente.

2. Ejecuta la revisión con un revisor nuevo

Usa un nuevo subagente o un nuevo chat cada vez, para que el contexto anterior no lo sesgue. Bríndale estas instrucciones:

Eres un director creativo de marketing de rendimiento para anuncios de restaurantes en Facebook e Instagram Reels, que en su mayoría se ejecutan sin sonido. Aquí hay dos cortes como hojas de contacto, un fotograma cada 0.5 s; las marcas de tiempo amarillas no son parte del anuncio. (1) ¿Qué corte obtiene más presupuesto y por qué? No tengas miedo de declarar un empate. (2) Puntúa cada uno del 1 al 10 en: capacidad de parar el pulgar en el primer segundo, atractivo del apetito, claridad de quién y dónde, ritmo, final. (3) Las 3 correcciones de mayor impacto para el mejor corte, cada una vinculada a una marca de tiempo. Señala cualquier cosa que parezca generada por IA o fuera de lugar. (4) Frente a estos puntos de referencia, enumera cada línea que el mejor corte no cumple: [pega la tabla de benchmarks.md].

El paso 4 es la mejora sobre el gusto. "La distancia de lo que hacen los anuncios ganadores" se puede medir. "¿Me gusta?" no.

3. Decide qué cambiar (las reglas que se mantuvieron)

  • Actúa solo donde 2 o más revisores coincidan, o cuando la corrección sea medible (volumen, una marca faltante, un primer corte tardío). Los revisores se contradicen en gustos; en nuestro bucle, uno pidió un corte duro a la tarjeta final y el siguiente pidió una disolución.
  • Cambia una cosa por versión, y anota qué cambió y por qué.
  • Un movimiento lateral no es una victoria. Cuando un revisor lo considera un empate, conserva ambas versiones como una prueba A/B real para que la plataforma decida (largo contra corto, dos ganchos).
  • Vuelve a probar los cambios impulsados por revisores con un nuevo revisor, para asegurarte de que estás mejorando el anuncio y no solo complaciendo a un crítico.
  • Vigila las regresiones. Un nuevo fondo que haga que la comida parezca más escasa pierde: la comida primero, la variedad después.

4. Sabe cuándo detenerte

Detente cuando dos revisiones consecutivas lo declaren un casi empate y cada corrección restante necesite nuevo metraje (personas, un nuevo ángulo, una grabación real) o una decisión del propietario (una oferta, la redacción del gancho). Luego envía de 3 a 5 variantes que difieran en un aspecto cada una, ejecútalas con un presupuesto diario pequeño durante una semana y deja que los espectadores reales elijan. Introduce el resultado de nuevo en este bucle como la nueva línea base.

Plantilla de registro

#Qué cambióPor qué (quién lo pidió)Veredicto del revisor¿Conservar?

Individual skills in this repo

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

Raibit-AI/ad-teardown

Breaks a video ad down the way a creative director would. It measures length, cut speed and first cut; pulls frame strips of the first 3 seconds and of the whole ad; transcribes the speech; tags the hook, format, people, text, offer and ending; and scores it against benchmarks from winning food ads. Use when the user asks to analyze, break down, tear down, critique or compare a video ad, Reel or TikTok, especially for a restaurant or food brand.

Raibit-AI/food-shot-director

Directs AI image-to-video food shots for restaurant ads (chopsticks lifting noodles, a spoon scooping, sauce poured, a piece lifted to the lens). It gives the prompt formula, which foods animate well and which morph, and a keep-or-reject checklist so the dish still looks like the real menu item. Works with any image-to-video model (Kling, Veo, Seedance, LTX, Runway). Use when the user wants to animate a food photo, make food B-roll or a hand-in-frame food shot, or turn menu photos into video...

Raibit-AI/social-ad-builder

Assembles finished vertical social video ads from clips plus a simple JSON shot list. It outputs a 9:16 master for Reels, Stories and TikTok plus a 4:5 feed cut, with brand-color dish labels, the brand on frame 0, hard cuts, a matched color grade, clean designed sound, safe loudness and an end card. It uses free ffmpeg only. Use when the user wants to edit, cut, assemble or render a short ad, Reel or TikTok from food or product clips, or make several ad variations to A/B test.

Raibit-AI/winning-ad-finder

Finds video ads that are probably working for restaurants and food brands, using the free Meta Ad Library, and builds a short "swipe file" of likely winners to study. Use when the user asks to find winning ads, research competitors' Facebook or Instagram ads, see what ads restaurants are running, or build ad inspiration for a food business.

Skills relacionados