MOSS-Image Prompt Enhancer
Convierte la idea del usuario en una descripción concreta de imagen. Está dirigido a agentes de la familia GPT-6 con herramientas de sistema de archivos y shell. El agente toma las decisiones creativas; la herramienta Python incluida maneja la aritmética de coordenadas y la serialización. No se necesita el servicio Echidna, API de modelo ni dependencias Python de terceros.
Elegir el entregable
Respeta una solicitud explícita de un pie de foto (caption) o diseño (Layout). De lo contrario, usa un pie de foto para escenas comunes, fotografías e ilustraciones. Usa Layout cuando la colocación específica de texto, un póster, varios paneles o relaciones controladas entre objetos se beneficien de cuadros delimitadores. Una imagen detallada no necesita automáticamente un Layout.
Preserva los sujetos, cantidades, relaciones, medio, estilo, exclusiones y texto visible que el usuario haya indicado. Resuelve por ti mismo las lagunas creativas comunes; pregunta solo cuando una decisión omitida cambiaría materialmente la imagen solicitada. No inventes logística de eventos factuales ni especificaciones como si el usuario las hubiera proporcionado.
Por defecto, usa inglés para la prosa descriptiva, siguiendo el idioma de salida solicitado cuando se indique. Preserva el texto visible palabra por palabra en su idioma original, incluyendo puntuación, mayúsculas y saltos de línea solicitados. Una frase entrecomillada en una instrucción no es necesariamente texto a renderizar: distingue las palabras visibles del material de referencia y las restricciones.
Desarrollar la imagen
Describe las elecciones visibles: sujeto y acción, apariencia relevante, entorno, cámara/encuadre, medio, iluminación, materiales, paleta y estado de ánimo. Añade detalles donde hagan más específica la imagen solicitada. Evita etiquetas de calidad redundantes, cambios de estilo no solicitados, presupuestos arbitrarios de palabras y notas de proceso invisibles. Mantén un resumen minimalista explícito como minimalista; desarrolla un resumen rico sin convertirlo en una plantilla genérica de título/principal/pie. Mantén las explicaciones de JSON, anotaciones de cuadros delimitadores y pasos de conversión fuera de los campos de descripción de la imagen; son instrucciones de la herramienta, no contenido representado.
Para imágenes diseñadas, compón la información y las imágenes juntas. Establece el orden de lectura, la prominencia relativa, grupos coherentes y texto legible en los píxeles elegidos. Escribe el texto previsto, no marcadores de posición como "título aquí" o "texto explicativo". No importes nombres no relacionados, marcas de agua ni copias de una referencia. Utiliza las referencias proporcionadas cuando sean útiles; la investigación externa es opcional a menos que sea necesaria para la precisión fáctica o la solicite el usuario.
Pie de foto (Caption)
Escribe un archivo JSON UTF-8 que contenga exactamente {"caption":"..."}. El pie de foto es una prosa coherente, con relaciones espaciales en palabras y cualquier texto visible citado exactamente. Puede contener párrafos; no añadas coordenadas ni campos de diseño JSON a un pie de foto solo para que parezca estructurado.
Diseño (Layout)
Lee references/layout.md antes de escribir un borrador de Layout. Escribe JSON legible con summary, un array plano de items, width y height concretos, bbox_coord_space="abs" y bbox_format="xyxy".
Los cuadros del borrador usan [x_min,y_min,x_max,y_max] en píxeles reales, desde la esquina superior izquierda del lienzo. Mantén x en 0..width e y en 0..height. No uses coordenadas normalizadas ni centres, reordenes o cuantices los cuadros manualmente.
Respeta las dimensiones proporcionadas. Con solo una relación de aspecto, elige dimensiones de píxeles compatibles; sin ninguna, usa 1024×1024 a menos que el medio solicitado sugiera otra forma. Las dimensiones de MOSS-Image deben ser múltiplos positivos de 16. No cambies de forma silenciosa dimensiones explícitas incompatibles; expón el conflicto. Usa el mismo ancho y alto en el flujo de trabajo de generación de imágenes.
Usa cuadros para unidades visibles coherentes, dividiendo solo cuando la colocación independiente importe. La agrupación debe preservar el contenido y las relaciones, no eliminarlas. Se permite la oclusión y superposición natural. Un cuadro es una anotación de colocación, no una instrucción para dibujar un borde, panel o pegatina. Describe la apariencia en pies de foto y el tratamiento global en summary.caption; deja que los cuadros concuerden con cualquier descripción espacial. Mantén las cadenas de texto visibles exactas en los campos text de los elementos de texto.
Compilar y entregar
Guarda el borrador en un directorio de trabajo apropiado para el usuario, luego ejecuta la herramienta incluida junto a este SKILL.md. Resuelve la ruta del script desde la ubicación de la habilidad, no desde el directorio de trabajo del usuario:
python3 /ruta/a/moss-image-prompt-enhancer/scripts/compile_prompt.py \
draft.json --output prompt.txt
Usa una ruta real en la invocación. Mantén el borrador JSON editable y la salida compilada separados. Lee el resultado y verifica el sujeto, el texto exacto, la geometría prevista y el lienzo elegido antes de entregar. Corrige los errores de validación en el borrador y vuelve a ejecutar; no evites una conversión fallida escribiendo JSON centrado a mano.
Para los pies de foto, la salida es texto plano. Para Layout, es una línea física de JSON con items planos, cuadros abs_centralized / yxyx enteros y sin metadatos del lienzo. La herramienta redondea los bordes fraccionarios de píxeles antes de restar el centro, coincidiendo con la conversión de generación de Echidna. Rechaza cuadros no válidos o fuera de los límites en lugar de recortarlos silenciosamente. Los saltos de línea de las cadenas se escapan en el JSON, pero siguen siendo saltos de línea reales en el texto descodificado.
Devuelve el prompt listo para pegar o un enlace a su archivo, y conserva un enlace al borrador cuando sea útil para editar. Para Layout, indica también el ancho×alto requerido fuera del prompt; el propio prompt del modelo no contiene estas dimensiones. Si muestras el Layout JSON en línea, usa la salida compilada sin reformatearla. Solo el pie de foto o el Layout compilado pertenecen al prompt positivo de MOSS-Image. La creación de estos archivos no envía generación de imágenes ni publica nada.