微信スタンプ8枚を240px・500KBで納品するスキル「ray-sticker-shop」

ChatGPTはGIFを作れるようになった。今月前半に出たImages 2.6の目玉機能の一つだ。動きを説明すればループアニメが返ってきて、速度を調整し、フレーム単位で編集もできる。
では、なぜray-sticker-shopというスキルが存在するのか。しかも11月5日に、値札付きでGitHubに現れたのはなぜか。
「GIFを作った」と「微信のアップロード審査を通るスタンプセットができた」の間には、退屈で具体的で容赦ない作業がおよそ16工程あるからだ。生成はもう簡単な部分だ。その後のすべてが製品になる。
実際の問題
微信のスタンプ開放プラットフォームは、ルールのある配信チャネルだ。スタンプは240×240ピクセル。GIFは1本500KB未満。カバー画像、アイコン、バナー、チップ画像がそれぞれ固有の寸法で必要になる。掲載文も要る。しかも全スタンプで同じキャラに見えなければならない。フレームごとに顔が流れるセットはセットではなく、無関係な8枚の絵だ。
モデルに1枚ずつ作らせると3つ壊れる。呼び出しごとにキャラが変わる。出力のサイズが違う。ファイルが重すぎる。どれも手で直せるが、8枚分を手で直すと半日かかる。
READMEは失敗を率直に書いている。ChatGPTはGIFを直接作れるが、1枚ずつやるとキャラが流れ、寸法も微信の求めるものにならない。残りはこのスキルがやる。
何を出力するか
参照画像1枚で、セット全体のキャラを固定する。そこから240×240のGIFを生成し、自動で500KB未満に圧縮し、カバー、アイコン、バナー、チップ画像も作る。微信の仕様に対するチェックを走らせ、掲載文を書き、クライアント向けの納品パックを組み立てる。
最後の項目が誰向けかを語っている。趣味のツールを書く人は「クライアント納品パック」とは言わない。「うちの猫をスタンプセットにできる?」というメッセージに、約束ではなくフォルダで返す必要がある人向けに作られている。
インストール
スキルなので、インストールはスキルディレクトリへのcloneだ。
git clone https://github.com/imraywang/ray-sticker-shop ~/.claude/skills/ray-sticker-shop
あとはClaude CodeかCodexに普通の言葉で話す。うちの猫のこの写真をスタンプセットにして、と。そこからスキルが引き継ぐ。
要件は軽い。Python 3.9以上とPillow(pip install pillow)、そしてOPENAI_API_KEY。プロキシ経由ならOPENAI_BASE_URLも設定する。

リポジトリで最も賢い設計判断だと思うフォールバックがある。APIキーがなくてもエージェントは失敗しない。プロンプトを渡し、自分でChatGPTで画像を作り、フォルダに戻すと、スキルが組み立て、圧縮し、検査し、パッケージする。
その判断ひとつで対象読者が倍になる。ChatGPTの契約はあるがAPIの課金設定がない人は多い。APIキーはあるが試しに使いたくない人も多い。生成とパッケージが分離でき、価値があるのはパッケージ側だから、両方に効く。
コスト
スタンプ8枚と付随素材5点で、OpenAIの定価ならおよそ0.70ドル。引き直しは追加課金。実際の支出はプロジェクトディレクトリのcosts.jsonlに記録される。
納品物に70セントは実費ではない。面白い数字は引き直し率で、記録しているおかげで分かる。1枚を合わせるのに3巡かかるなら2ドルと長い待ち時間で、ログがどのスタンプが問題かを教える。デモをワークフローに変える計測はこういうものだ。
比較すると、フリーランス市場でのカスタムスタンプセットの相場は70セントでも70ドルでもない。このスキルはイラストレーターを置き換えない。スタイルとユーモアのセンスは人から出る。置き換えるのはパッケージ作業で、そこがイラストレーターのマージンを殺す場所だ。
できないこと
READMEは境界について率直で、それは技術ではなく法務の話だ。
使う権利のあるキャラクターからしかスタンプを作らないこと。微信は無断の二次創作やファンアートを受け付けない。承認は微信が決め、ツールは承認も収益も約束しない。
正しい枠組みで、繰り返す価値がある。AI画像の領域にはそれを書かないツールがあふれているからだ。どんな写真も収益化できる資産に変えるスキルは、他人のキャラを収益化できる資産に変えるスキルと紙一重だ。ユーザーに聞かれる前にREADMEで線を引くのは、安くて正直だ。
技術的な天井もある。参照画像1枚からキャラを固定するので、単純なマスコットには効くが複雑なものには苦戦する。細かい衣装、変わったシルエット、線の質に依存するスタイルは、参照ロックがどれだけ良くても流れる。8枚なら外れを手で直せる。80枚なら別のプロジェクトだ。
このパターンを見る価値
スキルという形式が今来ている。数十万スターのリポジトリが、マークダウンの指示ファイルの束にすぎないことがある。大半はブランディングを良くしたプロンプト集だ。
これは特定の意味で違う。モデルの能力ではなく、プラットフォームの要件を符号化している。240×240、500KBの上限、カバーとアイコンとバナー、仕様チェック、掲載文。どれもモデルから来ていない。微信の申請プロセスから来ていて、誰かが注意深く読んでコードと指示に書き下ろす必要があった。
これが長持ちするスキルの形だ。能力は3か月ごとに変わる。プラットフォームの要件は3年ごとに変わり、変わるときの差分は小さく、スキルはパッチで済む。
一般化した形は明らかだ。申請プロセスのあるプラットフォームには仕様書がある。App Storeのスクリーンショット、Steamのカプセルアート、YouTubeのサムネイル、ポッドキャストのカバーアート、AmazonのA+モジュール。どれも、誰かが仕様を読んでチェックリストを書くのを待っているスタンプ屋だ。画像を生成するモデルはコモディティ。仕様を読んだ人はそうではない。
70セントと半日が浮くのは小さな話だ。面白い仕事がパッケージ側にあり、それが書き下せたという事実のほうが一般化する。
関連記事
Antigravityのリモートエージェント、クラウドVMで動く代わりに手放すもの
Antigravity 2.29でリモートエージェントが登場し、セッションとツールがGoogle管理のクラウドVMで動くようになった。ノートPCを閉じても作業は続くが、ローカルのMCPサーバーやskillsは失われる。
NVIDIA、世界モデル「Cosmos 3」の派生4種とデコード基盤「VFlash」を相次いで公開
NVIDIAは11月5日、16BのCosmos 3 Nanoを専門化した4つのチェックポイントをOpenMDW1.1で公開し、学習レシピと推論コードも添えた。翌日には幾何出力を並列生成するデコード基盤VFlashを発表している。
GitHubトレンドの4分の1を「エージェントskills」が占め、導入方法は4通りに分裂
11月8日のGitHubデイリートレンド15件のうち4件がエージェントskillsのリポジトリだった。形式は`SKILL.md`とYAMLフロントマターだけで単純だが、導入経路は4製品でばらばらで、重複が優先順位の問題を生む。
Thinking Machinesの「Inkling 2 Small」、594Bの疎なMoEで86.3% 重みは「来週」のまま
Thinking Machinesは11月5日、総パラメータ594B・トークンあたり17B活性の疎なMoE「Inkling 2 Small」を発表した。SWE-Bench Pro v2 Hardで86.3%を記録し、Apache 2.0の重みは公開1週間後以降とされる。