Image Prompt Studio Skill
Resumen
Consolida el conocimiento de ingeniería de prompts del proyecto «Nano Banana Prompt Studio» en una skill reutilizable: controla la generación de imágenes con IA mediante JSON estructurado (en lugar de lenguaje natural extenso), logrando personalización precisa, reutilización modular y consistencia en series de obras. Esta skill cubre cuatro rutas principales: generar nuevos prompts, modificación mínima, extracción de prompts a partir de imágenes de referencia y generación de imágenes. Los prompts JSON generados son compatibles con las familias de modelos Nano Banana y GPT-Image.
Árbol de decisión del flujo de trabajo
Selecciona la entrada según la intención del usuario:
| Intención del usuario | Entrada |
|---|---|
| Describir una escena deseada / Solicitar un nuevo prompt | Ruta A: Generar |
| Tener un JSON existente y decir "cambia X / reemplaza X" | Ruta B: Modificación mínima |
| Proporcionar una imagen de referencia, imitar/reverse engineer el prompt | Ruta A + Análisis de imagen de referencia |
| Prompt listo, generar la imagen real | Ruta C: Ejecución de generación |
Reglas de salida centrales (comunes a todas las rutas)
- Solo la salida del JSON en sí: prohibido envolverlo en bloques de código Markdown (sin ```json), prohibido cualquier texto explicativo.
- Estructura completa: todos los campos deben completarse, sin omisiones, sin dejar vacíos.
- Requisito de redacción: con sentido visual, profesional, elegante y específico; evitar expresiones vagas.
- Cuando el sujeto no es una persona (paisajes, objetos, campos de batalla, etc.), los campos de características de apariencia bajo el sujeto se ajustan según el objeto real, sin forzar campos de persona.
- Después de la generación o modificación, ejecuta la validación estructural (usa la herramienta
ips_validateen el plugin; en entorno independiente usa<SKILL_ROOT>/scripts/validate_prompt.py).
Ruta A: Generar nuevo prompt
- Lee el contenido completo de
SYSTEM_PROMPTen<SKILL_ROOT>/references/system-prompts.mdy ejecútalo estrictamente como instrucción del sistema para esta generación. - Si el usuario proporciona una imagen de referencia: el agente en tiempo de ejecución analiza directamente la imagen — usa su propia capacidad visual multimodal para abrir el archivo de imagen, extraer características en las cuatro dimensiones requeridas por SYSTEM_PROMPT (características del personaje, entorno de la escena, estilo de la imagen, composición y ángulo de cámara), y luego genera el prompt combinando la descripción textual del usuario. No se llama a ninguna API de modelo visual externa; el análisis lo realiza el propio agente. Anota la ruta del archivo de la imagen de referencia: en la Ruta C debe pasarse como referencia de estilo (ver paso 2 de la Ruta C).
- Si el usuario no tiene imagen de referencia, genera directamente a partir de su descripción en lenguaje natural.
- Las especificaciones de los campos y las pautas de redacción se encuentran en
<SKILL_ROOT>/references/prompt-schema.md; se pueden seleccionar o combinar términos de alta calidad desde el léxico en<SKILL_ROOT>/references/options-library.md(el léxico es material, no una restricción; siéntete libre de improvisar según la escena). - Antes de la salida, verifica la estructura para asegurarte de que sea correcta, luego entrega el JSON al usuario (guárdalo como archivo
.jsono muéstra directamente). - Cuando se necesite una base de estilo, usa
ips_presets(action=get) para obtener el preset más cercano y reescribe los campos. - El análisis iniciado en el paso 1 del «Banco de trabajo de generación de imágenes» debe terminar llamando a
ips_style(action=set) para escribir el estilo JSON junto con la ruta de la imagen de referencia de vuelta al panel — el usuario lo espera en el paso 2 para seleccionar este estilo y generar la imagen.
Ruta B: Modificación mínima de un prompt existente
- Lee el contenido completo de
MODIFY_SYSTEM_PROMPTen<SKILL_ROOT>/references/system-prompts.mdy ejecuta estrictamente el principio de «modificación mínima»:- Golpe preciso: solo modifica los campos que el usuario solicita explícitamente o que lógicamente deben cambiar en conjunto (verano → invierno: camiseta → chaqueta es necesario, pero el color del cabello o la composición no deben cambiarse en absoluto).
- Congelación total: los campos no tocados deben ser idénticos palabra por palabra al JSON original, prohibido reemplazo de sinónimos, pulido o optimización de formato.
- Prohibido divagar: no «corregir» ningún parámetro que el usuario no haya mencionado.
- Devuelve el JSON completo después de la modificación (no un diff, no un fragmento).
- Pasa también la validación de estructura.
- Autocomprobación de congelación (obligatoria): llama a
ips_diff(before=JSON original, after=JSON modificado). La herramienta aplana los campos hoja y los compara programáticamente, devolviendo la lista de cambios, la lista de congelación y la tasa de congelación. Determina si los cambios caen bajo los nodos cubiertos por la intención del usuario; los cambios fuera de la intención indican que la modificación ha divagado, entonces vuelve a modificar. Consulta elREADME.mden la raíz del plugin para referencias prácticas (26 campos hoja, 11 cambios, 15 congelados palabra por palabra); los JSON de ejemplo no se distribuyen con el paquete. Cuando se necesite una base de estilo, usaips_presets(action=get) para obtener los presets incorporados.
Ruta C: Ejecución de generación de imágenes
Una vez que el prompt JSON está listo, genera la imagen. El mismo JSON es compatible con las familias de modelos Nano Banana y GPT-Image, elige la ruta según la preferencia del usuario o los requisitos de la escena.
- Ensambla el prompt: usa el JSON original (
JSON.stringify(data, null, 2)con chino tal cual) como texto del prompt; si el usuario tiene requisitos adicionales, agrégalos después del JSON con"\n\nRequisito especial: <requisito>". - Con imagen de referencia (regla estricta): si este prompt se derivó del análisis/modificación de una imagen de referencia, al generar la imagen debes pasar esa imagen original como referencia de estilo — descartar la imagen original después del análisis es un bug confirmado que reduce drásticamente la fidelidad del estilo. La herramienta del plugin
ips_generateacepta rutas locales o URLs HTTP en el parámetroreferenceImages(GPT-Image usa automáticamentereference_image_urls, Nano Banana usaimage_urls; no necesitas recordar los nombres de los parámetros). Solo se omite en generación puramente de texto a imagen sin referencia. - Selección del modelo:
- Ruta GPT-Image (predeterminada):
apiz/gpt-image-2.5-flare, calidad predeterminadalow(10 créditos/imagen, aproximadamente 0.1 CNY). - Ruta Nano Banana:
service-inference/gemini-nano-banana-2.1, el mismo endpoint para texto a imagen y edición con referencia, soporta hasta 14 imágenes de referencia. - Detalles de parámetros y tabla completa de modelos en
<SKILL_ROOT>/references/image-generation.md.
- Ruta GPT-Image (predeterminada):
- Ejecución: prioriza la herramienta del plugin
ips_generate(mismo motor, también usado por el panel «Banco de trabajo de prompts»); si el plugin no tiene configuradaapizApiKeyy el CLI no ha iniciado sesión, muestra un error y entonces usa apiz CLI como respaldo:apiz generate "$(cat prompt.json)" --model apiz/gpt-image-2.5-flare \ --aspect-ratio 1:1 \ --params '{"quality":"low","reference_image_urls":["<public_url>"]}' \ --wait --json--aspect-ratiosigue la imagen original o los requisitos del usuario (vertical 3:4 / horizontal 16:9 / cuadrado 1:1, etc.); la generación tarda de 2 a 9 minutos, el CLI--waitbloquea hasta completar, para casos de alto riesgo de timeout usa ejecución en segundo plano. No reejecutes en caso de timeout de polling (cobro duplicado), usaapiz tasks wait <task_id> --jsonpara retomar. - Después de la generación, muestra al usuario la ruta de la imagen resultante junto con el prompt utilizado; el plugin registra automáticamente el historial (visible en el panel).
- Si el saldo es desconocido antes de generar, primero verifica con
apiz account balance; si los créditos son insuficientes, todos los modelos devuelven HTTP 429.
Presets y ejemplos
- Usa
ips_presets(action=list) para ver los 9 conjuntos de presets incorporados (Q版, Tres Reinos, estilo Song, cómic lineal, cómic satírico, series de campo estelar de medio otoño, etc.), que cubren escenas típicas como ilustraciones de personajes, escenarios y estilización. - Al generar un prompt, puedes leer el preset más cercano a la necesidad del usuario como base de estilo, y luego reemplazar los campos correspondientes según la descripción del usuario.
- Cuando el usuario diga "guardar como preset", usa
ips_presets(action=save) para escribir el JSON actual en la biblioteca de presets del usuario y asignarle un nombre.
Recursos
references/
prompt-schema.md— Especificaciones de campos JSON: significado de cada campo, directrices de redacción, reglas de ajuste para sujetos no humanos, campos negativos opcionales, compatibilidad con las dos familias de modelos. Lectura obligatoria antes de generar.system-prompts.md—SYSTEM_PROMPT(generación) yMODIFY_SYSTEM_PROMPT(modificación) completos, con instrucciones de ejecución del agente en tiempo de ejecución. Sigue textualmente al ejecutar la Ruta A/B.options-library.md— Léxico completo de opciones desplegables (modo de estilo, temperamento de la escena, ángulo de cámara, composición, lente, iluminación, clima, vestimenta, colores, etc.), incluye prompts especializados para líneas de personajes. Banco de materiales léxicos.image-generation.md— Manual de operación de generación: plantillas de comandos, tabla de parámetros duales de Nano Banana y GPT-Image, método de transmisión de imágenes de referencia, niveles de calidad y precios, compuerta de saldo, errores conocidos.
assets/
presets/*.json— 9 conjuntos de ejemplos predefinidos, se pueden cargar directamente, modificar o usar como base de estilo.
scripts/ (para entorno independiente; en el plugin usa las herramientas ips_validate / ips_diff)
validate_prompt.py— Validador de estructura. Uso:python validate_prompt.py <prompt.json>; añade--partialpara estructura parcial; cuando faltan campos, los lista uno por uno y devuelve código de salida distinto de 0.
Fuente
Esta skill se destila del proyecto local D:/nano-b/nano-banana-prompt-studio (Nano Banana Prompt Studio, versión de escritorio PyQt6 + versión Web Flask). Si se necesita un cliente GUI, servicio web o capacidad de empaquetado con PyInstaller, usa directamente el código fuente del proyecto; esta skill solo porta su conocimiento de ingeniería de prompts y no depende de ese proyecto para funcionar. El canal de generación de imágenes utiliza apiz de manera unificada (desde el 14 de octubre de 2026, reemplazando el SDK de Gemini / la conexión directa 302 del proyecto original).