1NWZ/create-gemscript-collage

GemScript-Collage erstellen

Erstelle ein 3:2-GemScript-Effektbild. Bewahre das V6-Raumsystem: kleiner Film, enger Beschnitt, kompakte Film-Schrift-Beziehung und große ruhige Ränder. Auf Wunsch wird der akzeptierte Effekt deterministisch über das echte Quellfoto in einem 3:4-PNG gestapelt. Bitte niemals das Bildmodell die untere Hälfte neu zeichnen lassen.

Generierungsbudget und Stoppbedingungen

Dies sind harte Sicherheitsgrenzen:

• Eine Nicht-Batch-Anfrage autorisiert maximal einen Bildgenerierungs- oder Bildbearbeitungsaufruf. Nach diesem Aufruf das Ergebnis ausliefern oder den Fehler melden und den Zug beenden.
• Ein expliziter Batch autorisiert maximal einen Aufruf pro benanntem Quellbild, mit höchstens drei Generierungs-/Bearbeitungsaufrufen in einer Aufgabe. Vor einem vierten Aufruf anhalten und den Benutzer bitten, in einer neuen Aufgabe mit einer kompakten Textübergabe und nur dem aktuellen Quellpfad fortzufahren. Diese Aufgabe nicht erstellen, es sei denn, der Benutzer bittet darum.
• Ein Fehler, Timeout, übermäßig große Antwort, fehlendes Ergebnis, falscher Text oder fehlgeschlagene Validierung verbraucht den autorisierten Aufruf. Niemals automatisch wiederholen, neu formulieren, erneut senden, regenerieren oder bearbeiten im selben Zug.
• Nach einem Fehler, Timeout, übermäßig großer Antwort oder fehlendem Ergebnis das Bildwerkzeug im selben Task nicht erneut aufrufen. Den Fehler melden und für jeden erneuten Versuch einen neuen Task verlangen.
• Eine fehlgeschlagene Generierung nicht automatisch fortsetzen, wenn ein Task wieder geöffnet wird.
• Nur das im aktuellen Request explizit benannte Quellbild plus die von diesem Skill benötigten Materialreferenzen verwenden. Wenn lokale Pfade existieren, diese exakten Pfade übergeben und keine aktuellen Konversationsbilder einbeziehen. Base64-Bilddaten niemals in Prompts, Nachrichten, Logs, Übergaben oder Ausgabedateien kopieren oder speichern.

Arbeitsablauf

1. Das Quellfoto mit dem verfügbaren Bildbetrachter inspizieren.
2. Die Beschriftung auflösen:
   • Den vom Benutzer bereitgestellten englischen Text wortwörtlich reproduzieren, einschließlich Groß-/Kleinschreibung und Leerzeichen.
   • Falls keiner bereitgestellt wird, ein kurzes englisches Wort oder höchstens zwei kurze Wörter wählen, die zum Foto passen.
3. Eine zurückhaltende Hintergrundfarbe wählen, die vom Quellbild abgeleitet oder komplementär ist. Sie sollte hohe Helligkeit, geringe Sättigung und einen leichten Graustich haben.
4. Den Quellbeschnitt, die Subjektausrichtung, die dominante visuelle Richtung und den Negativraum analysieren. Eine quellresponsive Beziehung anstelle einer festen Vorlage wählen:
   • Film links, Schrift rechts;
   • Schrift links, Film rechts;
   • Film oben, Schrift direkt darunter und berührend;
   • Schrift oben, Film direkt darunter und berührend. Für einen Batch die Beziehung variieren, es sei denn, die Quellen erfordern eindeutig dieselbe Lösung. Bei aufeinanderfolgenden Einzelbildtests im selben Task die sofort vorherige Beziehung vermeiden, wenn ein anderer Modus zur Quelle passt; einen Modus nur wiederholen, wenn die Quellgeometrie oder Lesbarkeit es eindeutig erfordert. Den zuletzt verwendeten Modus im aktuellen Kontext notieren.
5. Jede vom Benutzer genehmigte Layoutreferenz beibehalten. Sie als reine Kompositionsreferenz behandeln: ihren Atemraum, Filmmaßstab, Beschnitt und Film/Schrift-Beziehung beibehalten, während nur das angeforderte Untersystem neu gestaltet wird.
6. references/v6-prompt.md vollständig lesen und jeden Platzhalter, einschließlich {LAYOUT_MODE}, vor der Generierung ersetzen.
7. 2–3 Bilder aus assets/v5-rhinestone-references als reine Materialreferenzen verwenden, wenn das Bildwerkzeug mehrere Referenzen unterstützt. Sie definieren das bevorzugte flache Aufklebermaterial, winzige verbindende Kristalle, unregelmäßige gemischte Formrhythmen und mehrfarbige Verteilung. Sie definieren nicht das Subjekt, das Wort, die Hintergrundfarbe, den Filmbeschnitt oder das Layout. Jede Bildrolle im Generierungsprompt explizit kennzeichnen.
8. Vor der Generierung eine kompakte Layoutspezifikation für genau dieses Bild schreiben und diese als Akzeptanzvertrag verwenden, nicht als Vorschlag: Leinwand 1536×1024. Die Kerngruppe als Film + Schrift + echte Erweiterungen definieren; lose Steine sind absichtlich von der Kern-Bounding-Box ausgeschlossen. Jedes Bild muss genau 7–12 lose, abgelöste Rhinestones im umgebenden Negativraum enthalten, angeordnet als zwei oder drei unregelmäßige Mikro-Cluster plus ein bis drei isolierte Stücke; sie müssen vom Leinwandrand entfernt bleiben und dürfen keine zweite Komposition bilden. Das kleinere innere Ziel verwenden: Für ein horizontales Layout eine Kerngruppe von 52–58% B × 50–56% H anpeilen, einen 2–3% B Spalt reservieren, ein kurzes Wort bei 25–32% B und höchstens 16% H halten und den Film bei 8–12% B und höchstens 22% H halten. Für ein vertikales Layout eine Kerngruppe von 50–58% B × 52–60% H anpeilen, einen 2–3% H Spalt reservieren, ein kurzes Wort bei 25–32% B und höchstens 16% H halten und den Film bei 8–12% B und höchstens 22% H halten. Mindestens 18% seitlichen und 20% oberen/unteren Atemraum für die Kerngruppe einhalten. Die sichtbare Bounding-Box-Fläche des Films sollte 25–35% der Schriftfläche betragen, mit 40% als hartem Maximum. Wenn die Quelle, das Wort oder das gewählte Layout diese Spezifikation nicht erfüllen kann, die Platzierung ändern oder den Film vor der Generierung verkleinern. Die Zahlen nicht stillschweigend lockern.
9. Das obige Generierungsbudget prüfen, dann den integrierten Bildgenerierungs-Workflow verwenden. Wenn ein imagegen-Skill verfügbar ist, dieses laden und befolgen, bevor das Bildwerkzeug aufgerufen wird. Das aktuell hochgeladene Foto oder seinen expliziten lokalen Pfad als alleinige Subjektreferenz behandeln und ein unabhängiges 3:2-Querformat-Effektbild generieren. Keine früheren Konversationsbilder einbeziehen.
10. Das Effektbild inspizieren und validieren:

• exakter Text und lesbare Buchstabenformen;
• jeder Großbuchstabe besteht eine Skelettprüfung vor der Materialgestaltung: die Edelsteine vorübergehend ignorieren und überprüfen, ob der zugrunde liegende Handschriftpfad noch als der beabsichtigte Großbuchstabe lesbar ist;
• ein Großbuchstabe M hat zwei klar sichtbare Schultern, ein zentrales Tal, zwei verbundene Hauptabstriche und einen durchgehenden Übergang in den folgenden Kleinbuchstaben; er darf nicht als großes Oval mit abgetrenntem Stamm, einzelner Bogen, A, N oder Kleinbuchstabe n lesbar sein;
• jeder Kleinbuchstabe besteht dieselbe Skelettprüfung; insbesondere müssen m, n, u und r nur die beabsichtigten Stämme, Bögen, Gegenbögen und einen natürlichen Ausstrich haben, ohne zusätzlichen Zweig, wiederholten Stamm, Dorn, Schleife, Haken oder unerklärliches Wachstum; ein Endschwung darf erst nach dem letzten beabsichtigten Strich beginnen und darf das Skelett des Buchstabens nicht verändern;
• erkennbares Subjekt und angemessener Beschnitt;
• der Filmbeschnitt hat ein namentlich genanntes redaktionelles Fokaldetail, das etwa 60–80 % des Abzugs einnimmt, mit höchstens einem kleinen kontextuellen Rand; einen breiten Szenenbeschnitt ablehnen, der das gesamte Subjekt plus alle wichtigen Requisiten umfasst;
• kontrastreicher Schwarzweißfilm mit nur einem schwachen Hintergrundton;
• der Film besteht eine Tonkontrastprüfung: fast schwarze Schattenbereiche, fast weiße Lichter und klar getrennte Mitteltöne; grauen Schleier, milchiges Grau, angehobene Schwarztöne, flachen niedrigen Kontrast oder einen Ton, der die Schwarzweißstruktur überdeckt, ablehnen;
• hohe Helligkeit, geringe Sättigung des Hintergrunds;
• die Kern-sichtbare Bounding Box messen, nicht die belegte Fläche allein, und lose Steine von dieser Messung ausschließen; den horizontalen oder vertikalen Kerngruppenbereich verwenden, der vor der Generierung definiert wurde;
• mindestens 18 % linken/rechten Rand und 20 % oberen/unteren Atemraum für die Kerngruppe einhalten; einen Abstand von 2–3 % zwischen Film und Schrift verwenden; ein kurzes Wort von höchstens 32 % der Leinwandbreite und nicht mehr als 16 % der Leinwandhöhe halten;
• bei einem kurzen Wort ist die Schrift das primäre Element und der Film sekundär: Die sichtbare Bounding-Box-Fläche des Films sollte 25–35 % der sichtbaren Bounding-Box-Fläche der Schrift betragen, mit 40 % als harter Obergrenze; wenn unabhängige Größenregeln mit dieser Hierarchie kollidieren, den Film verkleinern;
• der Film bleibt klein, höchstens 12 % der Leinwandbreite und 22 % der Leinwandhöhe, mit einem engeren Beschnitt als die Quelle;
• das Layout folgt der Quellkomposition und ist nicht automatisch Schrift-links / Film-rechts;
• das Rhinestone-Wort und der Film überlappen sich nur, wenn ein echter Schriftzug seine natürliche Handschrifttangente bis zur nächsten Filmkante erreichen kann; wenn nicht, den Film leicht verschieben oder einen schmalen Spalt lassen, anstatt eine Verbindung zu erzwingen;
• ein oder höchstens zwei Rhinestone-Erweiterungen beginnen an einem echten Eintrittsstrich, Austrittsstrich oder Endschwung und setzen dessen Tangente natürlich fort; niemals einen senkrechten Abfall, scharfen Rückfaltung, hängende Kordel oder zweiten Schwanz hinzufügen, nachdem das Wort sichtbar beendet ist;
• genau 7–12 lose, abgelöste Edelsteine sind außerhalb des Wortes sichtbar vorhanden, angeordnet als zwei oder drei unregelmäßige Mikro-Cluster plus ein bis drei isolierte Stücke, mit ungleichmäßigem Abstand und keiner unabhängigen Punktlinie, keinem Bogen oder keiner Diagonale; das Bild ablehnen, wenn die Anzahl der losen Steine unter 7 oder über 12 liegt;
• nicht mehr als drei lose Steine sind in eine Richtung visuell ausgerichtet;
• Verbindungsstriche verwenden meist winzige runde Kristalle, während größere geometrische Schliffe sparsam an strukturell bedeutsamen Punkten eingebettet sind;
• mindestens fünf Formfamilien erscheinen im gesamten Design, aber nur ein oder zwei Motivfamilien wiederholen sich prominent;
• die Edelsteine sind flache, flachrückseitige Aufkleber mit scharfen Facetten und engen Kontaktschatten, niemals dicke Glasjuwelen oder Cabochons;
• kein zusätzlicher Text, Logo, Wasserzeichen, geteilter Bildschirm oder Originalfoto außerhalb des Films.

11. Ein hartes Pre-Delivery-Gate anwenden. Das Bild wird nur akzeptiert, wenn jede numerische und visuelle Prüfung oben gemeinsam bestanden wird. Insbesondere jede Ausgabe ablehnen, deren Gruppe zu breit/hoch ist, deren Film zu groß oder visuell zu nahe an der Schrift liegt oder deren Filmbeschnitt ein breiter Gesamtszenenbeschnitt ist. „Das Modell hat den Prompt möglicherweise ignoriert“ ist kein Akzeptanzgrund. Ein fehlgeschlagenes Bild nicht speichern, verlinken oder als Ergebnis präsentieren.
12. Wenn die Validierung fehlschlägt, keinen weiteren Tool-Aufruf automatisch durchführen. Den Fehler melden und anhalten. Nur eine explizite spätere Korrekturanfrage autorisiert eine gezielte Bildbearbeitung, vorbehaltlich des Generierungsbudgets. Für diese Bearbeitung falschen Text, ein falsches Großbuchstabenskelett, eine übergroße Gruppe, einen übergroßen Film, ein Festvorlagen-Layout, eine lose Edelsteinspur, einen erzwungenen Filmverbinder, wenig diversitäre Allround-Edelsteine oder sperriges juwelenartiges Material ablehnen. Wenn das Layout bereits genehmigt ist, nicht die gesamte Komposition regenerieren, um nur eine Buchstabenform, einen Endstrich oder das Rhinestone-Material zu korrigieren. Bei einem fehlgeschlagenen Großbuchstaben das Foto, den Hintergrund, die restlichen Buchstaben, lose Akzente, Maßstab und Layout einfrieren; nur diesen Großbuchstaben und seine zwei benachbarten Verbindungen neu zeichnen. Bei einer fehlgeschlagenen Endinteraktion das gesamte Wort und die Komposition einfrieren, mit Ausnahme des eigentlichen Ausstrichs des letzten Buchstabens und des lokalen Überlappungsbereichs; jeden vertikalen Abfall oder unabhängigen Verbinder nach dem Wort entfernen.
13. Das akzeptierte Effektbild nicht-destruktiv als <quellstamm>-gemscript-effect.png im Arbeits- oder angeforderten Ausgabeverzeichnis des Benutzers speichern.
14. Normalisierte Fokusschnittkoordinaten des Originalfotos nach Inspektion wählen: 0.0 ist links/oben und 1.0 ist rechts/unten. Standardmäßig 0.5,0.5 nur, wenn das Subjekt bereits zentriert ist.
15. Die gebündelten Workspace-Abhängigkeiten laden und das zurückgegebene Python-Programm verwenden. Dies vermeidet die Annahme, dass das System-Python Pillow hat. Den deterministischen Compositor ausführen:

<workspace-python> <skill-verz>/scripts/compose_vertical.py \
  --effect <effekt.png> \
  --original <quellfoto> \
  --output <quellstamm>-gemscript-final-3x4.png \
  --focus-x <0..1> \
  --focus-y <0..1>

16. Das finale PNG inspizieren. Eine 3:4-Leinwand, gleiche 3:2-Hälften, Effekt oben, das echte Quellbild unten, keine Lücke oder Trennlinie und kein beschädigter Subjektbeschnitt überprüfen.
17. Sowohl das Effekt-PNG als auch das finale 3:4-PNG ausliefern. Mit dem finalen Komposit beginnen.

Ausgaberegeln

• Standardhalbe Größe: 1536×1024; endgültige Größe: 1536×2048.
• Die Quelldatei unverändert lassen.
• Vorhandene Ausgaben nicht überschreiben; einen Versionssuffix hinzufügen oder --force nur übergeben, wenn ein Ersatz explizit angefordert wird.
• Die Komposition nur überspringen, wenn der Benutzer explizit das Effektbild allein anfordert.

Genehmigte V6-Visualregressionsreferenzen

references/v6-approved-examples.md und die drei PNGs in assets/v6-approved-examples/ als die genehmigten V6-Visualbenchmarks für Komposition, Maßstab, Lesbarkeit und Rhinestone-Qualität verwenden.