Communitygithub.com

Tera-Dark/personal-agent-skills

Modelladapter, der eine fertige Charakter- oder Illustrationsvorlage in einen natürlichsprachlichen Bild-Prompt für Modelle übersetzt, die nicht Anima oder NAI5 sind – wie Midjourney, DALL-E / GPT Image, Google Imagen / Gemini image, Flux, SDXL-artige Checkpoints oder ein unbenanntes Ziel. Hält Parameter aus dem Prompt heraus, es sei denn, das Ziel unterstützt sie offiziell, und kennzeichnet jede modellspezifische Behauptung mit einem Evidenzgrad. Verwenden Sie dies, wenn der Benutzer ein anderes Bildmodell nennt, 通用提示词, MJ, Midjourney, DALL-E, Imagen, Flux, SD oder nicht sagt, welches Modell verwendet werden soll. Es entwirft nicht – falls keine Vorlage existiert, leiten Sie zuerst an aesthetic-director-core weiter.

Was ist personal-agent-skills?

Dieses Skill, der General Image Prompt Adapter, wandelt eine strukturierte Charakter- oder Illustrationsvorlage (Blueprint) aus den Design-Skills in einen fließenden, natürlichsprachlichen englischen Prompt um, der von einer Vielzahl von Bildgenerierungsmodellen verstanden wird – darunter Midjourney, DALL-E / GPT Image, Google Imagen / Gemini Image, Flux, SDXL-artige Checkpoints oder jedes andere nicht genannte Modell. Es ist speziell für Modelle konzipiert, die keine nativen Platzhalter wie Anima oder NAI5 unterstützen. Das Skill hält sich streng an eine Reihe von harten Regeln: Es fügt keine Parameter (wie `--ar`, Gewichtungen, Sampler, Negativ-Prompts) in den Prompt-Text ein, es sei denn, das Zielmodell unterstützt sie offiziell, und es kennzeichnet jede modellspezifische Behauptung mit einem Evidenzlabel (z. B. `[Unverified]`), um die Erfindung von Modellverhalten zu vermeiden. Standardmäßige Qualitätsbegriffe wie „masterpiece, 8k“ sind verboten, und Negativformulierungen werden in positive Constraints wie „bare neck and wrists“ übersetzt, anstatt „no jewelry“ zu schreiben. Der Prompt wird in einer bestimmten Reihenfolge aufgebaut: Subjekt und Einstellungsgröße, Propositionsstruktur, Aussehen, Kleidung (vier Schichten mit Form, Position und Verhalten), Haltung und Kausalität, Umgebung, Hauptlichtquelle und Farbgebung (drei Stufen) sowie der „Stachelpunkt“ (einzigartiges, auffälliges Detail). Entscheidende Fakten und Stachelpunkte müssen innerhalb der ersten 40 Wörter platziert werden, um der Längendegradation entgegenzuwirken. Falls der Benutzer kein Zielmodell angibt, fragt das Skill genau eine Frage: „Welches Modell wird verwendet? Falls unsicher, schreibe als generischen natürlichen Prompt.“ Es entwirft selbst nicht – falls keine Vorlage vorliegt, wird die Anfrage an `aesthetic-director-core` weitergeleitet. Das Skill ist sowohl im 'Standard'-Modus (analog zu `anima-prompt-compiler`: V1 treu + V2 verstärkend) als auch über eine siebenstufige Ausführungspipeline implementiert, die die Zielbestätigung, Notizprüfung, Reihenfolgenorganisation, Prompt-Erstellung und eine Selbstüberprüfung umfasst. Es produziert eine strukturierte Ausgabe mit Abschnitten für Richtung, Ziel, Prompt-Text, Parameter (falls anwendbar) sowie eine Zeile für Verluste und Kompensation, die erklärt, was im Übersetzungsprozess geopfert wurde.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Tera-Dark/personal-agent-skills/tree/HEAD/02_creation/general-image-prompt-adapter

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Allgemeiner Bild-Prompt-Adapter

Positionierung

Eingabe: Blueprint (von character-design-engine / illustration-direction) + Zielmodellname (optional). Ausgabe: Ein englischsprachiger Prompt in natürlicher Sprache (Code-Block) sowie – nur wenn vom Ziel offiziell unterstützt – außerhalb des Prompts platzierte Parameterzeilen. Nicht tun: Gestalten. Wenn die Eingabe kein Blueprint ist (kein Verb, keine These, keine Kontur, keine vier Kleidungsschichten, kein Stichpunkt, keine gesperrten Fakten), wird sie an aesthetic-director-core zurückgegeben. Nicht tun: Modellverhalten erfinden. Die von diesem Skill abgedeckten Modelle sind zahlreich und ändern sich schnell; schreibe [Unverified], wenn du dir unsicher bist, rate keine Parameter.

Harte Regeln

  • Zielmodell unbekannt und beeinflusst Format → stelle eine Frage: "Mit welchem Modell soll das Bild generiert werden? Falls unsicher, schreibe als generischen natürlichen Sprach-Prompt." Keine Liste von Optionen.
  • Der Prompt-Text enthält nur visuelle Beschreibungen. --ar, Gewichtungen, Sampler, negative Begriffe etc. gehören nicht in den Text, es sei denn, die offizielle Dokumentation des Ziels unterstützt sie und der Eigentümer wünscht sie.
  • Jede Aussage wie "Modell X reagiert empfindlicher auf Y" muss mit einem Evidenz-Tag versehen sein. Jeder Eintrag in references/target-notes.md ist bereits markiert; Ziele, die nicht in der Tabelle stehen, erhalten grundsätzlich [Unverified].
  • Keine vagen Qualitätsbegriffe wie masterpiece, 8k, ultra-detailed, award-winning hinzufügen.
  • Gesperrte Fakten nicht ändern. Im Blueprint gelöschte Informationen dürfen in keiner Form zurückkehren.

Ausführungsablauf

Schritt 1   Ziel bestätigen        Vom Eigentümer angegeben / aus Session State lesen / eine Frage stellen / Standard: generic
Schritt 2   Zielnotizen prüfen      references/target-notes.md: Formatvorlieben, Länge, ob Parameter unterstützt werden, Evidenz-Tags einzeln ansehen
Schritt 3   Reihenfolge festlegen    Subjekt und Einstellung → These (räumliche Beziehung der Kontur) → Erscheinung → vier Kleidungsschichten (Form+Position+Verhalten)
                                    → Haltungs-Kausalität und Moment → Umgebung (nur die Schicht, die Licht/Aktion erklärt) → Hauptlichtquelle und Abfall → dreistufige Farbgebung und Position des Stichpunkts
Schritt 4   Prompt schreiben        Kohärenter englischer Absatz (keine durch Kommas getrennten Tags, es sei denn, die Zielnotizen sagen, dass Tags stabiler sind).
                                    Präferenz für Beziehungswörter: over / beneath / descending from / wrapping / weighed down by / the only saturated color is
Schritt 5   Parameterzeile          Nur wenn offiziell vom Ziel unterstützt: separate Zeile, entweder außerhalb des Code-Blocks oder als letzte Zeile im Code-Block, mit [Official] markiert
Schritt 6   Länge                   Generic-Ziel: 60–120 Wörter. Überschreitung zuerst durch Streichen von wiederholten Adjektiven, sekundären Accessoires, unwesentlichen Hintergrunddetails; nicht entfernt werden These, Anker, Stichpunkt, Kausalität, gesperrte Fakten
Schritt 7   Selbstprüfung

Ausgabe-Kontrakt

Richtung: <These aus dem Blueprint, eine Zeile>
Ziel: <Modellname oder generic>

```text
<Englischer Prompt in natürlicher Sprache>

Parameter (falls zutreffend): <z.B. --ar 3:4 --no jewelry> [Official] / nicht zutreffend

Verloren und Ersatz: <Was durch dieses Format verloren geht, wie ersetzt wird, ein bis zwei Zeilen>


Im Standardmodus wie `anima-prompt-compiler`: V1 treu + V2 verstärkt, V2 ändert keine V1-Fakten.

## Abwägungen beim Übersetzen des Blueprints

Das natürliche Sprachformat bewahrt Beziehungen am besten; Hauptrisiken sind **Modell-Umschreibung** (einige Dienste schreiben den Prompt vor der Generierung um) und **Längendämpfung** (Informationen am Ende werden ignoriert):

- Setze gesperrte Fakten und den Stichpunkt in die ersten 40 Wörter.
- Jedes Farbwort steht direkt neben seinem Nomen und erscheint nur einmal.
- "Zurückgebliebenes Monster" wird als vollständiger kurzer Satz geschrieben, nicht als einzelnes Wort – Einzelwörter werden umgeschrieben.
- Schreibe kein "no X" (viele Modelle behandeln Verneinung als positiv); verwende positive Einschränkungen: `bare neck and wrists` statt `no jewelry`. Verwende Parameter (z.B. MJ `--no`) nur, wenn das Ziel offiziell Ausschlussparameter unterstützt.

## Selbstprüfung

- [ ] Ist die Eingabe ein Blueprint?
- [ ] Ziel bestätigt oder explizit als generic markiert?
- [ ] Keine Parameter, keine Qualitätsbegriffe, keine verneinten Sätze im Text?
- [ ] Gesperrte Fakten und Stichpunkt in den ersten 40 Wörtern?
- [ ] Jede Modellaussage mit Evidenz-Tag?
- [ ] Gelöschte Informationen nicht zurückgekehrt?
- [ ] "Verloren und Ersatz"-Zeile vorhanden?

## Referenzen

- `references/target-notes.md` — Formatnotizen zu gängigen Zielen, jeder Eintrag mit Evidenz-Tag; Ziele außerhalb der Tabelle grundsätzlich [Unverified]

Individual skills in this repo

This repo contains 13 individual skills — each has its own dedicated page.

Tera-Dark/personal-agent-skills

Creative direction layer that turns a vague request into one committed design idea before any blueprint or prompt is written. Runs a sequence of generative "moves" (find the obsession, plant a contradiction, pick from the tail, build causality, subtract, keep one strange thing) and produces a short Creative Brief with rejected alternatives. Use for any OC / character / illustration / fashion / key-visual request, whenever output feels generic, "AI-flavored", too plain, too busy, or when the user asks for taste, direction, 审美, 创意方向, 人味, 高级感, 不要AI味.

Tera-Dark/personal-agent-skills

Persistent identity and taste layer for Tera-Dark's creative work. Holds the aesthetic signature (restrained base, one strange thing, a hint of danger, fashion-grade garment construction, female-oriented OC/gacha sensibility), hard dislikes (watches, cyber/mech, random butterflies-roses-particles, adjective costumes), business goals and workflow style. Does not generate prompts. Load first for any creative, design, illustration, prompt or aesthetic-judgment task; also when the user says 我的风格, 我喜欢, 按我习惯, 个人偏好.

Tera-Dark/personal-agent-skills

Entry point for all creative requests in this skill hub. Classifies intent (OC/character design, illustration, fashion, NAI5 prompt, Anima prompt, image reverse analysis, prompt review, ComfyUI/LoRA/dataset), loads identity + aesthetic direction first, then hands off to the right specialist and model adapter. Use whenever a request involves 设计, OC, 人设, 立绘, 插画, 服装, 提示词, prompt, NAI, NovelAI, Anima, 反推, 分析图片, ComfyUI, LoRA, or when it is unclear which skill should handle a creative task.

Tera-Dark/personal-agent-skills

Model adapter that compiles a finished character or illustration blueprint into Anima-ready English prompts in a disciplined Tag block + Natural Language block format. Handles Anima-specific format contract, length budgets, positive-first output, V1 faithful / V2 enhanced modes, model profiles and artifact troubleshooting. Use when the user asks for Anima prompts, Anima 提示词, or names an Anima checkpoint. Does not design — if no blueprint exists, route through aesthetic-director-core and character-design-engine / illustration-direction first.

Tera-Dark/personal-agent-skills

Turns a Creative Brief (from aesthetic-director-core) into a complete, model-agnostic character blueprint — design thesis, silhouette architecture, visual anchors, garment engineering (base / structural / signature extension / accessory system), material contrast, palette hierarchy, behavioral pose + camera, narrative residue, presentation format — then runs a subtraction pass. Use for OC, 人设, 角色设计, 服装设计, 立绘, 高定服设, 二游角色, character sheet, fashion concept. Never writes model-specific prompt syntax.

Tera-Dark/personal-agent-skills

Turns a Creative Brief into an authored, model-agnostic illustration blueprint — the image thesis, captured moment, visual motif, environment-character relationship, camera and framing, scale contrast, negative space, physical light sources, density map, narrative residue, and one coherent surreal detail. Use for 插画, 氛围图, 竖屏, 半留白, 印象风, 故事感, key visual, poster, scene illustration, cinematic composition, or whenever a character needs to be placed into a designed moment rather than displayed on a plate. Never writes model-specific prompt syntax.

Tera-Dark/personal-agent-skills

Model adapter that compiles a finished character or illustration blueprint into NovelAI V5 community-format prompts — weighted artist stack, global style layer, scene base, char1/char2 blocks, source#/target#/mutual# interaction tags, and targeted negative steering with weight::tag:: syntax. Use when the user asks for NAI5, NovelAI, NAI提示词, tag prompt, Danbooru-style prompt. Does not design — if no blueprint exists, route through aesthetic-director-core and character-design-engine / illustration-direction first.

Tera-Dark/personal-agent-skills

Decomposes a reference image into transferable design language — silhouette and mass distribution, motif grammar, garment construction, material contrast, palette hierarchy, pose logic, negative space and presentation format — instead of a tag dump. Output feeds aesthetic-director-core (for original work) or a model adapter (for faithful reproduction). Use for 反推, 分析图片, 提取提示词, 还原风格, 参考这张图, reverse prompt, image analysis.

Tera-Dark/personal-agent-skills

Reviews an existing image-generation prompt by separating design intent from model syntax — what it is trying to say, which design layer is weak (thesis, silhouette, garment structure, causality, density, punctum), what is noise, and what a rewrite should change. Use for 优化提示词, 这个 prompt 哪里有问题, prompt review, 分析这段提示词, why does this prompt not work.

Tera-Dark/personal-agent-skills

Technical placeholder for ComfyUI workflow organization, node troubleshooting, metadata and LoRA/model integration. Use when the user mentions ComfyUI, workflow json, nodes, 工作流. Does not handle design or prompt creativity.

Tera-Dark/personal-agent-skills

Technical placeholder for image dataset organization, caption/tag management and training preparation. Use when the user mentions dataset, 数据集, 打标, captions, 训练集. Does not handle visual design decisions.

Tera-Dark/personal-agent-skills

Technical placeholder for LoRA training pipelines: dataset prep, caption organization, training configuration, evaluation. Use when the user mentions LoRA, 训练, fine-tune, 炼丹. Does not decide character concepts or artistic direction.

Tera-Dark/personal-agent-skills

Evaluates a generated image or compiled prompt against the original Creative Brief and blueprint, using a fixed rubric (identity preservation, outfit binding, spatial clarity, unrequested additions, V1/V2 consistency, output contract) plus a design-layer read (thesis, silhouette, causality, density, punctum, one strange thing). Diagnoses which layer failed and routes the fix to that layer with a single-variable change. Use on any feedback round: 太平淡, 太乱, 不像, 没人味, 这版可以, 评价一下, 哪里不对, compare versions.

Verwandte Skills