Communitygithub.com

LucasH1225/palette-couleurs-site-restaurant

Extraire, interpréter, enregistrer et valider des systèmes de couleurs de marque fondés sur des preuves visuelles de restaurants, pour créer des palettes accessibles pour des démos de sites web.

Qu'est-ce que palette-couleurs-site-restaurant ?

Cette compétence transforme des preuves visuelles de restaurant (enseignes, logos, menus, photos d'intérieur) en un système de couleurs de site web accessible et cohérent. Elle guide l'utilisateur à travers cinq modes : extraction d'échantillons, audit de classification, création de palette, rafraîchissement ou révision. L'objectif est de sélectionner une couleur ancre issue de preuves solides, de choisir une famille de combinaisons dans une bibliothèque existante, et de générer des tokens CSS complets (fond, texte, actions, bordures, etc.) tout en respectant des ratios de contraste WCAG (4.5:1 pour le texte normal, 3:1 pour le grand texte). La compétence intègre des scripts de validation et de rendu pour garantir que la palette respecte les preuves, reste lisible et préserve l'appétit visuel. Elle fonctionne sur tous les agents compatibles (Codex, Claude Code, etc.) et s'appuie sur des fichiers de référence et des modèles pour éviter toute invention non enregistrée.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Palette de marque restaurant

Transformer les preuves visuelles d'un restaurant en un système de couleurs de site web petit et accessible. Considérez les couleurs répétées des enseignes, logos, menus et intérieurs comme des preuves. Considérez les rôles finaux des tokens et leurs proportions comme une décision de conception qui doit préserver ces preuves tout en garantissant la lisibilité du site.

Lisez references/brand-palette-playbook.md avant d'extraire ou de choisir des couleurs. Lisez references/palette-combinations.md lors de la sélection d'une famille de combinaisons réutilisables. Copiez assets/brand-palette-template.json et utilisez assets/palette-combo-library.json au lieu d'inventer une palette non enregistrée.

Choisir le mode

  • Extraire : Échantillonner des nuances candidates à partir de régions d'image sélectionnées sans décider de leur signification.
  • Auditer : Classifier les couleurs comme ancres de marque, couleurs de soutien, neutres, couleurs incidentes ou bruit rejeté.
  • Créer : Sélectionner une ancre, une famille de combinaisons et un système de tokens de site web complet.
  • Rafraîchir : Revérifier les preuves ou le contraste et mettre à jour un verrou de palette existant sans modifier la structure de mise en page.
  • Réviser : Générer l'aperçu, valider chaque paire requise et signaler le contrat d'intégration.

Laissez $restaurant-demo-builder choisir la recette, la grammaire de mise en page, l'audience et l'objectif de conversion. Utilisez cette compétence après que les preuves d'identité sont établies et avant que le style visuel ne soit finalisé. Laissez $restaurant-exterior-image-studio produire un visuel de vitrine ; cette compétence peut inspecter sa source factuelle non modifiée pour des preuves de couleur, mais ne doit pas traiter une sortie retouchée par IA comme une nouvelle vérité de marque.

Préparer le verrou de palette

Enregistrez brand-palette.json à côté du dossier de recherche de la démo ou du verrou de recette. Enregistrez :

  • l'identité du restaurant et les sources de preuves ;
  • les couleurs observées, les régions, les identifiants de source, la confiance et la classification ;
  • les couleurs rejetées et les raisons du rejet ;
  • l'ancre sélectionnée et l'identifiant de combinaison réutilisable ;
  • la dérivation des couleurs observées aux tokens du site web ;
  • les paires premier plan/arrière-plan requises ;
  • les proportions de couleur prévues et les notes d'utilisation ;
  • l'état de révision et si le résultat est dérivé de preuves ou un repli clairement étiqueté.

Gardez les URLs sources, les dates de vérification et les valeurs SHA-256. Ne stockez jamais de jetons API ou d'informations d'identification privées.

Inspecter les preuves avant l'échantillonnage

Privilégiez les surfaces répétées et porteuses d'identité :

  1. logo officiel ou marque verbale ;
  2. enseigne de vitrine, auvent ou peinture de façade intentionnelle ;
  3. titres de menu imprimés, règles et panneaux de marque ;
  4. couleurs intérieures répétées (mur, cabine, carrelage ou comptoir) ;
  5. emballages, uniformes ou graphiques sociaux uniquement lorsque leur identité actuelle de restaurant est vérifiée.

Rejetez ou isolez les couleurs alimentaires, la peau, le ciel, les nuages, les arbres, l'herbe, l'asphalte, les commerces voisins, les reflets, la décoration temporaire, la lueur des écrans, les dominantes chaudes des ampoules, les ombres profondes de l'appareil photo et les erreurs de balance des blancs automatiques. Ne choisissez pas « le pixel le plus courant » comme couleur de marque.

Inspectez chaque source avec view_image. Lorsque l'échantillonnage exact est utile, recadrez uniquement la région vérifiée de la marque :

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

Le script signale les pixels, pas la signification de la marque. Enregistrez pourquoi une couleur échantillonnée est pertinente avant de la promouvoir.

Sélectionner une ancre et une famille de combinaisons

Choisissez l'ancre parmi des preuves répétées à haute confiance. Privilégiez un accord entre deux types de sources différents (par exemple, enseigne plus menu) plutôt qu'une répétition dans une seule photographie. Lorsqu'un seul logo ou menu propre et contrôlé par le propriétaire existe, cela peut suffire si la région est sans ambiguïté.

Ne forcez pas l'ancre littérale à couvrir la majeure partie de la page. Traitez-la comme l'ancre de marque pour les actions, les titres, les règles ou les bandes structurelles. Dérivez une toile calme et une surface neutre afin que la nourriture, le texte du menu et les directions restent faciles à parcourir. Un ratio 70 / 20 / 10 toile-et-surface / structurel / accent est un point de départ, pas une formule fixe.

Choisissez la famille la plus proche dans la bibliothèque de combinaisons, puis adaptez ses rôles aux preuves. La bibliothèque est un guide de rôle et d'harmonie, pas une preuve de marque de restaurant. Enregistrez chaque assombrissement, éclaircissement, désaturation ou neutralisation dans derivations. Limitez les changements de teinte ; si une teinte différente est nécessaire pour la lisibilité ou l'harmonie, utilisez-la uniquement comme couleur de soutien et expliquez le choix.

Lorsqu'aucune couleur de marque fiable n'existe, utilisez un repli neutre compatible avec la recette, définissez selection.mode sur recipe-fallback, et étiquetez la palette comme une proposition créative. Ne prétendez pas qu'elle provient du restaurant.

Construire les tokens du site web

Fournissez tous les tokens du modèle, y compris la toile, les surfaces, le texte du corps, le texte atténué, l'action principale, l'état au survol, le texte sur action, l'accent, le texte sur accent, la bordure, la bordure de contrôle et le focus. Utilisez l'ancre comme source pour primary lorsque possible, mais assombrissez-la ou éclaircissez-la lorsque nécessaire pour le contraste du texte.

Enregistrez les paires requises pour le texte normal, le grand texte et les contrôles non textuels. Validez le texte normal à 4.5:1, le grand texte à 3:1, et les limites de contrôle ou de focus significatives à 3:1. Ne vous fiez pas uniquement à la couleur pour communiquer les états sélectionné, erreur ou disponibilité.

Exécutez la porte de preuves avant le travail sur les tokens et la porte de transfert après que tous les tokens sont complets :

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

Prévisualiser avant l'intégration

Générez un aperçu autonome montrant les tokens, les boutons, les lignes de menu, les surfaces de preuve et les paires mesurées :

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

Inspectez l'aperçu visuellement. Vérifiez que le résultat évoque le restaurant, ne devient pas un mur indifférencié de la couleur d'ancre, préserve l'appétit pour la nourriture et maintient le texte atténué lisible sur mobile.

Transférer au constructeur de démo

Passez à $restaurant-demo-builder le brand-palette.json validé, l'aperçu et ces contraintes :

  • préserver la recette sélectionnée et l'empreinte de mise en page ;
  • mapper les tokens enregistrés dans des variables CSS plutôt que d'introduire des valeurs hexadécimales ad hoc ;
  • utiliser l'ancre selon le rôle et la proportion enregistrés ;
  • garder la gradation colorimétrique des photographies séparée des couleurs de l'interface utilisateur ;
  • réexécuter la validation de la palette après toute modification de token ;
  • vérifier visuellement sur desktop et mobile, y compris le texte sur les images et tous les états de bouton.

Ne laissez pas la sélection de palette forcer une ancienne structure de page ou écraser des preuves vérifiées de restaurant. La mise en page, la couleur de marque et la photographie sont des verrous séparés qui se rencontrent dans la démo finale.

Transfert

Signalez les couleurs de preuves acceptées et rejetées, la confiance en l'ancre, la combinaison sélectionnée, les dérivations de tokens, les résultats de contraste mesurés, le chemin de l'aperçu, le statut de repli et toute question de vérification auprès du propriétaire. Ne publiez pas et ne contactez pas le restaurant sans autorisation explicite.

Exemples d'invocations

  • $restaurant-brand-palette Inspecte cette photo de vitrine, ce menu et cette salle, puis crée un verrou de palette pour le site web.
  • $restaurant-brand-palette Extrais les vraies couleurs de marque et explique quelles couleurs de la photo tu as rejetées comme éclairage ou environnement.
  • $restaurant-brand-palette Révise cette palette de démo, répare les combinaisons faibles et transmet les rôles CSS validés à 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.

Skills associés