Communitygithub.com

Raibit-AI/blind-ad-review

Melhora um anúncio em vídeo por meio de revisões A/B cegas e repetidas. Duas versões são mostradas como folhas de contato para um revisor novo que não sabe qual é a mais recente, e ambas são pontuadas com base em benchmarks de anúncios de alimentos vencedores. A próxima versão altera apenas o que os revisores concordam, e o loop continua até que os ganhos parem. Use quando o usuário quiser melhorar, iterar, criticar ou testar A/B um anúncio ou Reel antes de gastar dinheiro, ou perguntar 'qual versão é melhor'.

O que é blind-ad-review?

Esta skill implementa um loop de revisão cega para anúncios em vídeo, projetada para superar o viés natural do criador. Em vez de depender de uma única opinião, ela apresenta duas versões do anúncio (nomeadas neutramente como A e B) para um revisor novo a cada iteração, que não sabe qual versão é a mais recente. O revisor pontua cada uma contra benchmarks de anúncios de alimentos vencedores e fornece feedback específico. A skill então determina as mudanças a serem feitas com base apenas no consenso entre múltiplos revisores, evitando contradições baseadas em gosto pessoal. O processo é repetido até que os ganhos estagnem, momento em que 3-5 variantes são geradas para teste real com público. A skill suporta qualquer agente de IA que possa executar comandos e criar subagentes ou novos chats, e se destaca por transformar a subjetividade da avaliação criativa em um processo mensurável e repetível, focado em métricas objetivas como distância dos benchmarks de anúncios vencedores.

Funciona com~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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Loop de revisão cega de anúncios

Julgar o próprio trabalho satura rapidamente. No loop de onde esta skill se origina, a própria lista de verificação do criador atingiu 29,5 de 30 na 15ª versão, enquanto os ganhos reais continuavam chegando. As revisões cegas continuavam encontrando-os.

1. Criar as folhas de contato

Para cada versão, crie uma imagem com um quadro a cada 0,5 s e seu timestamp:

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

Nomeie-as de forma neutra (A.jpg, B.jpg) e randomize qual é a mais recente.

2. Executar a revisão com um revisor novo

Use um novo subagente ou um novo chat a cada vez, para que o contexto anterior não o enviese. Instrua-o com:

Você é um diretor criativo de marketing de performance para anúncios de restaurantes no Facebook e Instagram Reels, que são veiculados principalmente sem som. Aqui estão dois cortes como folhas de contato, um quadro a cada 0,5 s; os timestamps amarelos não fazem parte do anúncio. (1) Qual corte recebe mais orçamento e por quê? Esteja disposto a declarar um empate. (2) Pontue cada um de 1 a 10 em: parada do polegar no primeiro segundo, apelo ao apetite, clareza de quem e onde, ritmo, final. (3) As 3 correções de maior impacto para o melhor corte, cada uma vinculada a um timestamp. Sinalize qualquer coisa que pareça gerada por IA ou estranha. (4) Contra esses benchmarks, liste cada linha que o melhor corte não atende: [cole a tabela de benchmarks.md].

O passo 4 é a melhoria em relação ao gosto. "Distância do que os anúncios vencedores fazem" pode ser medida. "Eu gosto disso" não pode.

3. Decidir o que mudar (as regras que se sustentaram)

  • Aja apenas onde 2+ revisores concordam, ou onde a correção é mensurável (volume, uma marca ausente, um primeiro corte tardio). Os revisores se contradizem em questões de gosto; em nosso loop, um pediu um corte brusco para o cartão final e o próximo pediu uma dissolução.
  • Mude uma coisa por versão e anote o que mudou e por quê.
  • Um movimento lateral não é uma vitória. Quando um revisor considera próximo, mantenha ambas as versões como um teste A/B real para a plataforma decidir (longo contra curto, dois ganchos).
  • Re-teste as mudanças orientadas pelo revisor com um novo revisor, para garantir que você está melhorando o anúncio e não apenas agradando um crítico.
  • Cuidado com regressões. Um novo fundo que faz a comida parecer mais escassa perde: comida primeiro, variedade depois.

4. Saber quando parar

Pare quando duas revisões consecutivas considerarem um empate e todas as correções restantes precisarem de novas filmagens (pessoas, um novo ângulo, uma gravação real) ou de uma decisão do proprietário (uma oferta, a redação do gancho). Em seguida, envie de 3 a 5 variantes que diferem em uma coisa cada, execute-as com um orçamento diário pequeno por uma semana e deixe os espectadores reais escolherem. Alimente o resultado de volta neste loop como a nova linha de base.

Modelo de registro

#O que mudouPor quê (quem pediu)Veredicto do revisorManter?

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.

Habilidades Relacionadas