NEW Browse AI tools across categories — updated daily. See what's new →

Harness

OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림.

Authorjkf87
Version1.0.0
LicenseMIT
Token count~1,491
UpdatedJun 5, 2026

Install

Quick install

via npx skills · works with 57+ agents
npx skills add https://github.com/jkf87/ohmyclaw
Or pick agent:
npx skills add jkf87/ohmyclaw --agent claude-code
npx skills add jkf87/ohmyclaw --agent cursor
npx skills add jkf87/ohmyclaw --agent codex
npx skills add jkf87/ohmyclaw --agent opencode
npx skills add jkf87/ohmyclaw --agent github-copilot
npx skills add jkf87/ohmyclaw --agent windsurf
More install options

Shorthand — useful for multi-skill repos:

npx skills add jkf87/ohmyclaw

Manual — clone the repo and drop the folder into your agent's skills directory:

git clone https://github.com/jkf87/ohmyclaw.git
cp -r ohmyclaw ~/.claude/skills/
How to use: Once installed, ask your agent to "use the harness skill" or describe what you want (e.g. "OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스"). Requires Node.js 18+.

harness

OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림.

---
name: harness
description: "OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림."
---

OpenClaw Harness

에이전트 기반 작업 오케스트레이션 스킬. Plan→Work→Review 사이클로 구조화된 작업 수행.
브릿지가 에이전트 상태를 실시간으로 추적하고 채널에 알림을 전송합니다.

빠른 시작

1. 라우팅 테스트

bash ~/.openclaw/skills/harness/scripts/route-task.sh "태스크 설명"

2. 단일 에이전트 스폰

에이전트 프롬프트를 읽어서 sessions_spawn에 전달:

| 에이전트 | 역할 | 권한 | Lite | Pro / Max |
|---------|------|------|------|-----------|
| planner | 계획 수립 (읽기 전용) | read-only | glm-5 | glm-5.1 |
| worker | 코드 구현 | read+write+exec | glm-5 | glm-5.1 |
| reviewer | 5관점 리뷰 + 갭 감지 (읽기 전용) | read-only | glm-5 | glm-5.1 |
| debugger | 체계적 디버깅 | read+exec | glm-5-turbo | glm-5 |
| bridge | 상태 추적 + 채널 알림 | read+write | glm-5-turbo | glm-5-turbo |

Codex OAuth 활성 시 worker/debugger의 HIGH 슬롯은 gpt-5.4 로 자동 오버레이됩니다.

3. Full 사이클 (브릿지 자동 활성화)

Plan→Work→Review 전체 실행 (v2: 갭 루프 포함):
  1. Bridge 자동 활성화 → 상태 추적 시작 (P1: 화면 없이 동작)
  2. Planner 스폰 → 태스크 분해 → 단계 전환 알림
  3. Worker 스폰 → 구현 → 완료/실패 알림
  4. Reviewer 스폰 → 리뷰 + 갭 감지
  • APPROVE → COMPLETE
  • GAP_DETECTED → 갭 수정 피드백 → Worker 재실행 (최대 1회) → 재리뷰
  • 2차에서도 갭 → 에스컬레이션 (사용자 질문)

4. 브릿지 제어

# 상태 확인
bash ~/.openclaw/skills/harness/scripts/bridge.sh status

# 새 사이클 초기화
bash ~/.openclaw/skills/harness/scripts/bridge.sh reset "my-cycle" full

# 단계 전환 (자동 호출됨)
bash ~/.openclaw/skills/harness/scripts/bridge.sh phase WORKING

브릿지 (Bridge)

핵심 원칙

| 원칙 | 설명 |
|------|------|
| P1: 화면 없이 동작 | 터미널을 보지 않아도 채널 알림으로 전체 상태 파악 |
| P2: 실패는 즉시 알림 | 성공은 배치, 실패는 20초 내 개별 알림 |
| P3: 브릿지 장애 격리 | 브릿지 죽어도 파이프라인 정상 동작, 지연 ≤5s |
| P4: 자동 감지 | 채널/모델/세션 자동 감지, 설정 0개 추가 |

자동 감지 항목 (설정 불필요)

브릿지는 OpenClaw 런타임 컨텍스트에서 다음을 자동 감지합니다:

| 정보 | 감지 방법 | 수동 설정 |
|------|-----------|-----------|
| 채널 | 현재 메시지 컨텍스트 | ❌ 불필요 |
| 채널 ID | inbound_meta.chat_id | ❌ 불필요 |
| 모델 | session_status | ❌ 불필요 |
| Gateway URL | 내부 통신 (message 툴) | ❌ 불필요 |
| 세션 키 | 현재 세션 컨텍스트 | ❌ 불필요 |

알림 종류

# 단계 전환 (D3)
🔄 [harness] → Work 단계 시작 (Plan 완료, 45초)

# 성공 배치 (X3, X4)
✅ [harness] 2/3 완료 (67%)
├── worker-1: API 구현 (glm-5.1, 120s)
├── worker-2: 테스트 작성 (glm-5-turbo, 45s)
└── 예상 잔여: ~60초

# 실패 즉시 (D2)
❌ [harness] worker-3 실패
├── 태스크: DB 마이그레이션
├── 에러: connection refused (마지막 5줄)
└── 상태: 2/3 완료 — 나머지 진행 중

# 브릿지 장애 (D5)
⚠️ [harness] 브릿지 알림 전송 실패 (3회 재시도 후)
├── 원인: 채널 연결 불가
└── 파이프라인은 정상 동작 중

# 갭 감지 (우로보로스 루프)
⚡ [harness] worker-2 갭 감지 (scope_creep)
├── 원인: TODO 앱에 알림 시스템 자의 추가
├── 수정 방향: 알림 기능 제거, 단순 CRUD로 축소
├── 루프: 0/1
└── 상태: 1/3

# 갭 수정 시작
🔄 [harness] worker-2 갭 수정 시작 (루프 1/1)

브릿지 스크립트 API

BRIDGE=~/.openclaw/skills/harness/scripts/bridge.sh

# 사이클 관리
$BRIDGE reset <cycle_id> [mode]     # 새 사이클 시작
$BRIDGE status                       # 현재 상태 출력

# 단계 전환
$BRIDGE phase <phase>                # IDLE/PLANNING/WORKING/REVIEWING/COMPLETE

# 에이전트 추적
$BRIDGE agent-start <id> [model]     # 에이전트 시작 등록
$BRIDGE complete <id> [요약]         # 성공 완료 (배치 대상)
$BRIDGE fail <id> <에러> [로그]      # 실패 (즉시 알림)
$BRIDGE batch                        # 성공 배치 알림 전송

# 장애 관리
$BRIDGE bridge-error <에러>          # 브릿지 장애 기록 (3회→에스컬레이션)

모델 라우팅 (Z.ai 코딩플랜 멀티티어)

복잡도 × 카테고리 × 활성 플랜 매트릭스 (Pro 기준):

| 카테고리 | LOW (0-4) | MEDIUM (5-9) | HIGH (10+) |
|---------|-----------|-------------|------------|
| 코딩 일반 | glm-5-turbo | glm-5 | glm-5.1 |
| 아키텍처 | glm-5 | glm-5.1 | glm-5.1 |
| 한국어 NLP | glm-5-turbo | glm-5 | glm-5.1 |
| 디버깅 | glm-5-turbo | glm-5 | glm-5.1 |
| 보안 | glm-5 | glm-5.1 | glm-5.1 |
| 콘텐츠 | glm-5-turbo | glm-5 | glm-5.1 |

  • Lite 플랜: HIGH 슬롯이 모두 glm-5 로 강등 (GLM-5.1 미포함)
  • Max 플랜: MEDIUM 코딩/리뷰도 적극적으로 glm-5.1 사용
  • Codex OAuth 활성: 코딩(아키텍처/일반 HIGH), 디버깅(HIGH), 보안(MEDIUM/HIGH)이 gpt-5.4 로 오버레이
  • 한국어 비율 > 70% → GLM 계열 자동 우선

자세한 내용: [docs/zai-coding-plan.md](docs/zai-coding-plan.md)

에이전트 스폰 방법

에이전트 정의 파일을 읽어서 sessions_spawn 호출:

sessions_spawn(
  label: "harness-planner",
  model: "zai/glm-5.1",
  mode: "run",
  task: "태스크 설명 + 에이전트 지침 포함"
)

에이전트별 다른 모델 지정 가능 (이게 핵심).

파일 구조

~/.openclaw/skills/harness/
├── SKILL.md                    # 이 파일
├── agents/                     # 에이전트 정의
│   ├── planner.md
│   ├── worker.md
│   ├── reviewer.md
│   ├── debugger.md
│   └── bridge.md               # 브릿지 에이전트 (v2.0)
├── scripts/                    # 실행 스크립트
│   ├── route-task.sh           # 모델 라우팅
│   ├── orchestrate.sh          # 오케스트레이터
│   ├── spawn-agent.sh          # 에이전트 생성 헬퍼
│   ├── bridge.sh               # 브릿지 상태 추적 + 알림 (v2.0)
│   ├── install.sh
│   ├── catalog-gen.sh
│   └── doctor.sh               # 진단 (브릿지 검증 포함)
├── state/                      # 런타임 상태 (gitignore)
│   └── bridge-state.json       # 브릿지 상태
├── routing/                    # 라우팅 설정
│   ├── models.yaml
│   ├── routing-rules.yaml
│   └── budget-profiles.yaml
├── orchestration/              # 오케스트레이션 설정
│   ├── pipelines.yaml
│   └── message-protocol.md
└── examples/

평가 루브릭

브릿지 기능은 95% 합격선 루브릭으로 평가됩니다:


  • 평가 철학: harness-bridge-eval/EVALUATION_PHILOSOPHY.md

  • 실행 루브릭: harness-bridge-eval/EVALUATION_RUBRIC.md

  • 20개 평가 항목 (D1-D5, S1-S5+S2b+S4b, X1-X4, B1-B4)

GLM-5.1 사용 메모

docs.z.ai의 Using GLM-5.1 in Coding Agent 가이드를 반영했다.

  • OpenClaw: ~/.openclaw/openclaw.jsonglm-5.1 모델 정의 추가 후 agents.defaults.model.primaryzai/glm-5.1로 변경 가능
  • Claude Code: ~/.claude/settings.jsonANTHROPIC_DEFAULT_SONNET_MODEL / ANTHROPIC_DEFAULT_OPUS_MODELglm-5.1로 매핑 가능
  • 하네스 내부 라우팅은 고복잡도 한국어/추론 태스크에서 GLM-5.1을 선택하도록 업데이트됨

---

Source: https://github.com/jkf87/ohmyclaw
Author: jkf87
Discovered via: skillsdirectory.com
Genre: ai-agents

SKILL.md source

---
name: harness
description: OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림.
---

# harness

OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림.

---
name: harness
description: "OpenClaw 하네스 — Plan→Work→Review 에이전트 오케스트레이션 + 모델 라우팅 + 채널 브릿지. Claude Code 하네스 생태계 분석 기반. GLM/GPT/Claude 모델 지원. GLM-5.1 포함. 한국어 감지→GLM 자동 라우팅. sessions_spawn으로 에이전트별 모델 별도 지정. 브릿지로 실시간 채널 알림."
---

# OpenClaw Harness

에이전트 기반 작업 오케스트레이션 스킬. Plan→Work→Review 사이클로 구조화된 작업 수행.
브릿지가 에이전트 상태를 실시간으로 추적하고 채널에 알림을 전송합니다.

## 빠른 시작

### 1. 라우팅 테스트
```bash
bash ~/.openclaw/skills/harness/scripts/route-task.sh "태스크 설명"
```

### 2. 단일 에이전트 스폰
에이전트 프롬프트를 읽어서 `sessions_spawn`에 전달:

| 에이전트 | 역할 | 권한 | Lite | Pro / Max |
|---------|------|------|------|-----------|
| planner | 계획 수립 (읽기 전용) | read-only | glm-5 | glm-5.1 |
| worker | 코드 구현 | read+write+exec | glm-5 | glm-5.1 |
| reviewer | 5관점 리뷰 + 갭 감지 (읽기 전용) | read-only | glm-5 | glm-5.1 |
| debugger | 체계적 디버깅 | read+exec | glm-5-turbo | glm-5 |
| **bridge** | **상태 추적 + 채널 알림** | read+write | glm-5-turbo | glm-5-turbo |

> Codex OAuth 활성 시 worker/debugger의 HIGH 슬롯은 `gpt-5.4` 로 자동 오버레이됩니다.

### 3. Full 사이클 (브릿지 자동 활성화)
Plan→Work→Review 전체 실행 (v2: 갭 루프 포함):

1. **Bridge** 자동 활성화 → 상태 추적 시작 (P1: 화면 없이 동작)
2. **Planner** 스폰 → 태스크 분해 → 단계 전환 알림
3. **Worker** 스폰 → 구현 → 완료/실패 알림
4. **Reviewer** 스폰 → 리뷰 + 갭 감지
   - APPROVE → COMPLETE
   - GAP_DETECTED → 갭 수정 피드백 → Worker 재실행 (최대 1회) → 재리뷰
   - 2차에서도 갭 → 에스컬레이션 (사용자 질문)

### 4. 브릿지 제어
```bash
# 상태 확인
bash ~/.openclaw/skills/harness/scripts/bridge.sh status

# 새 사이클 초기화
bash ~/.openclaw/skills/harness/scripts/bridge.sh reset "my-cycle" full

# 단계 전환 (자동 호출됨)
bash ~/.openclaw/skills/harness/scripts/bridge.sh phase WORKING
```

## 브릿지 (Bridge)

### 핵심 원칙

| 원칙 | 설명 |
|------|------|
| **P1: 화면 없이 동작** | 터미널을 보지 않아도 채널 알림으로 전체 상태 파악 |
| **P2: 실패는 즉시 알림** | 성공은 배치, 실패는 20초 내 개별 알림 |
| **P3: 브릿지 장애 격리** | 브릿지 죽어도 파이프라인 정상 동작, 지연 ≤5s |
| **P4: 자동 감지** | 채널/모델/세션 자동 감지, 설정 0개 추가 |

### 자동 감지 항목 (설정 불필요)

브릿지는 OpenClaw 런타임 컨텍스트에서 다음을 자동 감지합니다:

| 정보 | 감지 방법 | 수동 설정 |
|------|-----------|-----------|
| 채널 | 현재 메시지 컨텍스트 | ❌ 불필요 |
| 채널 ID | inbound_meta.chat_id | ❌ 불필요 |
| 모델 | session_status | ❌ 불필요 |
| Gateway URL | 내부 통신 (message 툴) | ❌ 불필요 |
| 세션 키 | 현재 세션 컨텍스트 | ❌ 불필요 |

### 알림 종류

```
# 단계 전환 (D3)
🔄 [harness] → Work 단계 시작 (Plan 완료, 45초)

# 성공 배치 (X3, X4)
✅ [harness] 2/3 완료 (67%)
├── worker-1: API 구현 (glm-5.1, 120s)
├── worker-2: 테스트 작성 (glm-5-turbo, 45s)
└── 예상 잔여: ~60초

# 실패 즉시 (D2)
❌ [harness] worker-3 실패
├── 태스크: DB 마이그레이션
├── 에러: connection refused (마지막 5줄)
└── 상태: 2/3 완료 — 나머지 진행 중

# 브릿지 장애 (D5)
⚠️ [harness] 브릿지 알림 전송 실패 (3회 재시도 후)
├── 원인: 채널 연결 불가
└── 파이프라인은 정상 동작 중

# 갭 감지 (우로보로스 루프)
⚡ [harness] worker-2 갭 감지 (scope_creep)
├── 원인: TODO 앱에 알림 시스템 자의 추가
├── 수정 방향: 알림 기능 제거, 단순 CRUD로 축소
├── 루프: 0/1
└── 상태: 1/3

# 갭 수정 시작
🔄 [harness] worker-2 갭 수정 시작 (루프 1/1)
```

### 브릿지 스크립트 API

```bash
BRIDGE=~/.openclaw/skills/harness/scripts/bridge.sh

# 사이클 관리
$BRIDGE reset <cycle_id> [mode]     # 새 사이클 시작
$BRIDGE status                       # 현재 상태 출력

# 단계 전환
$BRIDGE phase <phase>                # IDLE/PLANNING/WORKING/REVIEWING/COMPLETE

# 에이전트 추적
$BRIDGE agent-start <id> [model]     # 에이전트 시작 등록
$BRIDGE complete <id> [요약]         # 성공 완료 (배치 대상)
$BRIDGE fail <id> <에러> [로그]      # 실패 (즉시 알림)
$BRIDGE batch                        # 성공 배치 알림 전송

# 장애 관리
$BRIDGE bridge-error <에러>          # 브릿지 장애 기록 (3회→에스컬레이션)
```

## 모델 라우팅 (Z.ai 코딩플랜 멀티티어)

복잡도 × 카테고리 × 활성 플랜 매트릭스 (Pro 기준):

| 카테고리 | LOW (0-4) | MEDIUM (5-9) | HIGH (10+) |
|---------|-----------|-------------|------------|
| 코딩 일반 | glm-5-turbo | glm-5 | glm-5.1 |
| 아키텍처 | glm-5 | glm-5.1 | glm-5.1 |
| 한국어 NLP | glm-5-turbo | glm-5 | glm-5.1 |
| 디버깅 | glm-5-turbo | glm-5 | glm-5.1 |
| 보안 | glm-5 | glm-5.1 | glm-5.1 |
| 콘텐츠 | glm-5-turbo | glm-5 | glm-5.1 |

- **Lite 플랜**: HIGH 슬롯이 모두 `glm-5` 로 강등 (GLM-5.1 미포함)
- **Max 플랜**: MEDIUM 코딩/리뷰도 적극적으로 `glm-5.1` 사용
- **Codex OAuth 활성**: 코딩(아키텍처/일반 HIGH), 디버깅(HIGH), 보안(MEDIUM/HIGH)이 `gpt-5.4` 로 오버레이
- 한국어 비율 > 70% → GLM 계열 자동 우선

자세한 내용: [docs/zai-coding-plan.md](docs/zai-coding-plan.md)

## 에이전트 스폰 방법

에이전트 정의 파일을 읽어서 `sessions_spawn` 호출:

```
sessions_spawn(
  label: "harness-planner",
  model: "zai/glm-5.1",
  mode: "run",
  task: "태스크 설명 + 에이전트 지침 포함"
)
```

에이전트별 다른 모델 지정 가능 (이게 핵심).

## 파일 구조

```
~/.openclaw/skills/harness/
├── SKILL.md                    # 이 파일
├── agents/                     # 에이전트 정의
│   ├── planner.md
│   ├── worker.md
│   ├── reviewer.md
│   ├── debugger.md
│   └── bridge.md               # 브릿지 에이전트 (v2.0)
├── scripts/                    # 실행 스크립트
│   ├── route-task.sh           # 모델 라우팅
│   ├── orchestrate.sh          # 오케스트레이터
│   ├── spawn-agent.sh          # 에이전트 생성 헬퍼
│   ├── bridge.sh               # 브릿지 상태 추적 + 알림 (v2.0)
│   ├── install.sh
│   ├── catalog-gen.sh
│   └── doctor.sh               # 진단 (브릿지 검증 포함)
├── state/                      # 런타임 상태 (gitignore)
│   └── bridge-state.json       # 브릿지 상태
├── routing/                    # 라우팅 설정
│   ├── models.yaml
│   ├── routing-rules.yaml
│   └── budget-profiles.yaml
├── orchestration/              # 오케스트레이션 설정
│   ├── pipelines.yaml
│   └── message-protocol.md
└── examples/
```

## 평가 루브릭

브릿지 기능은 95% 합격선 루브릭으로 평가됩니다:
- 평가 철학: `harness-bridge-eval/EVALUATION_PHILOSOPHY.md`
- 실행 루브릭: `harness-bridge-eval/EVALUATION_RUBRIC.md`
- 20개 평가 항목 (D1-D5, S1-S5+S2b+S4b, X1-X4, B1-B4)

## GLM-5.1 사용 메모

docs.z.ai의 `Using GLM-5.1 in Coding Agent` 가이드를 반영했다.

- OpenClaw: `~/.openclaw/openclaw.json`에 `glm-5.1` 모델 정의 추가 후 `agents.defaults.model.primary`를 `zai/glm-5.1`로 변경 가능
- Claude Code: `~/.claude/settings.json`의 `ANTHROPIC_DEFAULT_SONNET_MODEL` / `ANTHROPIC_DEFAULT_OPUS_MODEL`를 `glm-5.1`로 매핑 가능
- 하네스 내부 라우팅은 **고복잡도 한국어/추론 태스크에서 GLM-5.1**을 선택하도록 업데이트됨


---

**Source**: https://github.com/jkf87/ohmyclaw
**Author**: jkf87
**Discovered via**: skillsdirectory.com
**Genre**: ai-agents

Related skills 6

running-claude-code-via-litellm-copilot

★ Featured

Use when routing Claude Code through a local LiteLLM proxy to GitHub Copilot, reducing direct Anthropic spend, configuring ANTHROPIC_BASE_URL or ANTHROPIC_MODEL overrides, or troubleshooting Copilot proxy setup failures such as model-not-found, no localhost traffic, or GitHub 401/403 auth errors.

xixu-me 155k
AI & ML

skills-cli

★ Featured

Use when users ask to discover, install, list, check, update, remove, back up, restore, sync, or initialize Agent Skills, mention `bunx skills`, `npx skills`, `skills.sh`, or `skills-lock.json`, ask "find a skill for X", or want help extending agent capabilities with installable skills.

xixu-me 155k
AI & ML

repo-intake-and-plan

★ Featured

Narrow RigorPilot helper for README-first deep learning repo reproduction. Use when the task is specifically to scan a repository, read the README and common project files, extract documented commands, classify inference, evaluation, and training candidates, and return the smallest trustworthy reproduction plan to the main orchestrator. Do not use for environment setup, asset download, command execution, final reporting, paper lookup, or end-to-end orchestration.

lllllllama 127k
AI & ML

image-to-video

★ Featured

Animate any still image on RunComfy — this skill is a smart router that matches the user's intent to the right i2v model in the RunComfy catalog. Picks HappyHorse 1.0 I2V (Arena #1, native audio, identity preservation) for general animations, Wan 2.7 with `audio_url` for custom-voiceover lip-sync, or Seedance 2.0 Pro for multi-modal animation from image + reference video + reference audio. Bundles each model's documented prompting patterns so the caller gets sharper output without burning ite...

agentspace-so 121k
AI & ML

video-edit

★ Featured

Edit existing video on RunComfy — this skill is a smart router that matches the user's intent to the right edit model in the RunComfy catalog. Picks Wan 2.7 Edit-Video (general restyle / background swap / packaging swap, identity + motion preservation), Kling 2.6 Pro Motion Control (transfer precise motion from a reference video to a target character), or Lucy Edit Restyle (lightweight identity-stable restyle / outfit swap). Bundles each model's documented prompting patterns so the skill gets...

agentspace-so 121k
AI & ML

nano-banana-2

★ Featured

Generate images with Google Nano Banana 2 (Gemini-family flash-tier text-to-image) on RunComfy — bundled with the model's documented prompting patterns so the skill gets sharper output than naive prompting against the same model. Documents Nano Banana 2's strengths (rapid iteration, in-image typography rendering, predictable framing, optional web-grounded context), the resolution-tier pricing, the safety-tolerance dial, and when to route to Nano Banana Pro / GPT Image 2 / Flux 2 / Seedream in...

agentspace-so 121k
AI & ML