Communitygithub.com

레스토랑 외관 이미지 스튜디오

실제 레스토랑 외관 사진을 기반으로 웹사이트 데모용 외관 이미지를 감사, 복원, 생성, 검증합니다. Codex가 실제 장소의 외관 참조를 신뢰할 수 있는 AI 보조 이미지로 전환해야 할 때 사용하세요.

레스토랑 외관 이미지 스튜디오란 무엇인가요?

이 스킬은 레스토랑 웹사이트 데모를 위해 실제 외관 사진을 충실하게 재현하는 AI 이미지 생성 워크플로우를 제공합니다. 감사(Audit), 생성(Create), 복구(Repair), 검토(Review)의 네 가지 모드를 지원하며, 각 모드는 엄격한 검증 단계를 포함합니다. 소스 이미지는 식별, 외관, 간판, 색상 등 6가지 QA 게이트를 통과해야 하며, 모든 작업은 기록되고 증거가 보존됩니다. 이 스킬은 Claude Code, Cursor, Codex 등에서 사용할 수 있으며, SKILL.md에 정의된 대로 자동화된 스크립트를 통해 매니페스트 검증, 출력 등록, 리뷰 시트 생성을 수행합니다. 실제 장소의 권리 상태와 소유자 승인을 항상 확인하며, 공개 출시 전 별도의 퍼블리케이션 게이트가 필요합니다.

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

레스토랑 외관 이미지 스튜디오은(는) 무엇을 하나요?

레스토랑을 재설계하지 않고 인식 가능하고 웹사이트에 적합한 매장 전면 이미지를 하나 생성합니다. 현재의 실제 사진을 건축, 간판, 출입구, 외관 색상, 창문, 차양 및 고정된 특징에 대한 권위로 취급합니다. AI는 복원 또는 충실한 참조 기반 프레젠테이션 레이어로만 취급합니다.

외관 이미지를 소싱, 프롬프트, 생성 또는 검토하기 전에 references/exterior-image-playbook.md를 읽으세요. 작업 지시서를 새로 만들지 말고 assets/exterior-manifest-template.json을 복사하세요.

모드 선택

  • 감사(Audit): 레스토랑 신원, 소스의 현재성, 보이는 외관 사실, 방해 요소 위험 및 권리 상태를 확인합니다. 생성하지 않습니다.
  • 생성(Create): 하나의 사실적인 기본 이미지를 선택하고, 보존 계약을 작성하고, 하나의 충실한 외관 제안을 생성하고 증거를 보관합니다.
  • 복구(Repair): 실패한 출력을 진단하고 손대지 않은 실제 소스에서 다시 생성합니다.
  • 검토(Review): 소스와 출력을 비교하고, 모든 QA 결정을 기록하고, 개인 데모 또는 게시 가능 여부를 결정합니다.

$restaurant-demo-builder가 외관 인식이 대상, 전환 목표 및 페이지 구조를 지원하는지 결정하도록 합니다. 이 스킬을 사용하여 외관 자산 자체를 생성하고 검증하세요. 장소 색상을 추출하여 웹사이트 토큰으로 변환하는 작업은 $restaurant-brand-palette를 별도로 사용하세요.

작업 지시서 준비

output/exterior-image-studio/<restaurant-slug>/ 디렉토리를 생성하세요:

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

매니페스트 템플릿을 복사하세요. 소문자 ASCII 파일 이름을 사용하세요. API 토큰, 개인 키 및 계정 비밀을 모든 작업 지시서 파일에 포함하지 마세요.

레스토랑 신원 및 소스 확인

레스토랑 이름, 주소 및 가능한 경우 현재 Google Place ID를 확인하세요. 모든 사실적 이미지를 원래 URL, 플랫폼, 확인 날짜, 권리 상태 및 SHA-256과 함께 로컬에 저장하세요. 다음 순서로 소스를 선호합니다:

  1. 현재 레스토랑 소유 또는 소유자가 제공한 사진;
  2. 명시적 소유자 승인이 있는 현재 사진;
  3. 명확히 라이선스된 관광, 상공회의소 또는 미디어 사진;
  4. 소유자에게 요청한 새로운 전화 사진;
  5. 개인 데모 사실적 참조로만 사용되는 현재 공공 장소, 소셜, 리뷰, 디렉토리 또는 고객 사진.

Street View는 신원, 접근 방식 및 향후 카메라 각도를 확인하는 데 사용할 수 있지만, 분리된 Street View 스크린샷을 이미지 입력 또는 웹사이트 자산으로 사용하지 마세요. 플랫폼 크롬이나 지도 스크린샷을 데모에 붙여넣지 마세요.

view_image로 각 소스를 검사하세요. 간판, 출입구, 외관 형상, 외관 색상 및 고정된 특징을 증명하는지 기록하세요. 불확실성, 일시적 장애물, 얼굴, 번호판, 계절적 차단 및 외관이 최신이 아닐 수 있다는 증거를 기록하세요.

계획 전에 소스 게이트를 실행하세요:

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

진실된 변환 선택

기본 사진에 이미 유용한 카메라 각도가 있고 중요한 영역이 모두 보이는 경우 faithful-restoration을 사용하세요. 하나 이상의 현재 실제 사진이 출력의 모든 외관 영역을 완전히 지원하지만 소스에 더 깔끔한 웹사이트 프레젠테이션이 필요한 경우에만 reference-based-recreation을 사용하세요.

프롬프트 전에 보존 계약을 작성하세요. 건축, 매장 전면 비율, 간판 문구 및 배치, 로고 모양, 출입구, 창문 및 문 형상, 차양, 페인트 및 재료 색상, 고정 조명, 접근성 기능 및 기타 영구적인 도착 신호를 보존하세요.

노출 복구, 화이트 밸런스, 경미한 색상 보정, 렌즈 또는 원근 보정, 노이즈 정리, 보수적인 업스케일링, 개인정보 보호 블러 처리 및 반응형 자르기와 같은 기록된 변경만 허용하세요. 다른 현재 소스가 드러난 영역을 증명하는 경우에만 임시 장애물을 제거하세요. 그렇지 않으면 그 주위를 자르세요.

숨겨진 영역을 재구축하거나, 간판 텍스트를 다시 쓰거나, 로고를 발명하거나, 페인트나 재료를 변경하거나, 출입구를 옮기거나, 창문을 변경하거나, 조경이나 조명을 추가하거나, 고정된 특징을 제거하거나, 주차장을 조작하거나, 파티오를 추가하거나, 도착에 영향을 미치는 이웃 맥락을 지우거나, 장소를 더 고급스럽게 보이게 하지 마세요.

정확한 프롬프트를 prompts/에 저장하고, SHA-256을 기록하고, 생성 게이트를 통과하세요:

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

실제 참조에서 생성

매니페스트에 기록된 사실적 기본 이미지와 지원 소스만 사용하여 $imagegen을 사용하세요. 소스가 외관 사실을 제어하고 프롬프트가 허용된 프레젠테이션 변경만 제어한다고 명시하세요. 대상 종횡비와 의도된 사이트 배치를 지정하세요. 새 텍스트, 새 로고, 건축 변경, 숨겨진 영역 발명, 미용 업그레이드 및 지원되지 않는 객체 제거를 금지하세요.

각 시도를 비파괴적으로 저장하세요. 이전 AI 출력을 외관 증거로 사용하지 마세요.

실제 치수와 SHA-256이 보존되도록 선택된 래스터를 등록하세요:

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

여섯 가지 QA 게이트 실행

손대지 않은 기본 이미지, 모든 지원 참조 및 선택된 출력을 유용한 크기로 비교하세요. 각 게이트를 독립적으로 기록하세요:

  • identity: 출력이 동일한 현재 레스토랑임이 명백합니다.
  • facade_fidelity: 형상, 재료, 창문, 차양 및 고정 특징이 사실적으로 유지됩니다.
  • signage_fidelity: 간판 문구, 로고, 배치 및 비율이 변경되지 않고 읽을 수 있습니다.
  • color_fidelity: 외관 및 간판 색상이 새 브랜드 아이덴티티로 변경되지 않았습니다.
  • arrival_readiness: 출입구와 유용한 길찾기 맥락이 명확합니다. 개인정보 문제가 처리되었습니다.
  • ai_tells_and_web_readiness: 잘못된 텍스트, 발명된 세부 사항, 합성 표면 또는 사용할 수 없는 자르기가 남아 있지 않습니다.

내부 비교 시트를 생성하세요:

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

정식 증거를 보존한 후 review.source_record와 review.output_record를 recorded로 설정하세요. 이것은 워크플로우 증거이며 소유자 승인이 아닙니다.

데모 또는 게시로 릴리스

선택된 출력을 웹사이트에 복사하기 직전에 개인 데모 게이트를 실행하세요:

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

개인 데모는 권리가 알려지지 않은 공개 실제 사진에 기반한 제안을 사용할 수 있지만, 원본을 내부적으로 유지하고, 출력을 사진 제안으로 레이블링하고, owner_confirmation: pending 및 publication_status: not-cleared를 유지하세요.

공개 출시에는 현재 소유자 정확성 승인과 소유자가 제공하거나 라이선스되거나 명시적으로 허가된 소스가 필요합니다. --stage publication을 실행하세요. 개인 일대일 데모 사용이 게시 권한을 해제했다고 추론하지 마세요.

핸드오프

신원 증거, 손대지 않은 소스, 권리 상태, 보존 계약, 프롬프트, 선택된 출력, 여섯 가지 QA 결정, 비교 시트, 현재 검증 단계, 소유자 확인 상태 및 게시 차단 요인을 보고하세요. 명시적 승인 없이 게시하거나 레스토랑에 연락하지 마세요.

예제 호출

  • $restaurant-exterior-image-studio 이 매장 전면 참조를 감사하고 충실한 개인 데모 이미지가 가능한지 알려줘.
  • $restaurant-exterior-image-studio 확인된 레스토랑 사진에서 간판이나 건물을 변경하지 않고 하나의 넓은 도착 이미지를 생성해.
  • $restaurant-exterior-image-studio 생성된 매장 전면을 실제 소스와 비교 검토하고 발명된 세부 사항을 복구해.

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.

관련 스킬