CommunityImagengithub.com

kwhi6693-web/photographic-studio

Un flujo de trabajo de posproducción fotográfica independiente, no centrado en retratos, diseñado para cualquier agente capaz de analizar imágenes. Cuando el usuario envía una o más fotos y solicita edición (por ejemplo, "arregla", "edita esta foto", "déjala como una toma final", "retoca"), se aplica a fotos no de retratos como arquitectura, paisajes callejeros, paisajes, jardines, escenas nocturnas, interiores, bodegones, exposiciones, etc. Lee automáticamente la imagen, escribe una instrucción de dirección, orquesta la generación de luz y color junto con el gradado determinista, verifica que cumpla con las leyes físicas de la luz natural y la intensidad preferida por el usuario, y entrega directamente una toma final; se ejecuta por niveles según las herramientas reales del host.

¿Qué es photographic-studio?

Este skill implementa un flujo de trabajo profesional de posproducción fotográfica para agentes de IA, especializado en imágenes no de retratos como arquitectura, paisajes y bodegones. Su objetivo es producir una única imagen final con alto impacto visual, que se mantenga fiel a la original, respete las leyes físicas de la luz natural y no muestre rastros de IA. El sistema clasifica automáticamente las capacidades del host en cuatro niveles (T1 a T4) y adapta su ejecución: desde el uso de herramientas de luz y color generativas hasta la gradación determinista mediante scripts locales, con verificación de calidad y entrega directa sin preguntar al usuario. Incluye una secuencia rigurosa de lectura de imagen, redacción de una instrucción de dirección, aplicación de ajustes de luz/color, gradación, verificación física y de intensidad, y entrega de una sola imagen final con una breve descripción de historia y estilo. Está diseñado para ser autónomo, sin depender de otros skills de fotografía, y maneja la insatisfacción del usuario permitiendo ajustes basados en comentarios verbales.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/kwhi6693-web/Photographic-studio/tree/HEAD/photographic-studio

Installed? Explore more Imagen skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Photographic Studio v1.0

Cuando el usuario envía una foto y dice "arregla", obtendrá la mejor toma final que este agente pueda producir. La toma final debe tener un fuerte impacto fotográfico visual, seguir siendo muy fiel a la imagen original, cumplir con las leyes físicas de la luz real y no mostrar rastros de IA. El impacto visual es lo primero; las otras tres son restricciones que se cumplen simultáneamente.

Este documento es la única instrucción de ejecución. references/principles.md son los principios generales; otros archivos de referencia proporcionan detalles. Los archivos de referencia contienen números de versión y fechas, que solo indican el origen de esa regla; en caso de conflicto con este documento o los principios generales, prevalecen este documento y los principios generales.

1. Límites

  • Solo para no retratos. Las personas que aparezcan incidentalmente se mantienen sin cambios: no embellecer, no modificar la forma, no inferir identidad. Si el sujeto principal es un retrato, no editar y explicarlo en una frase.
  • Producto independiente: no llamar, no depender, no modificar ningún otro Skill de fotografía.
  • El usuario envía una foto y solicita edición, lo que se considera autorización para la edición actual de esa foto. Si solo solicita análisis, no editar; si solicita estrictamente fidelidad y no generativo, no usar G, usar N directamente.
  • Las fotos no se almacenan como banco de estilos ni material de entrenamiento; no se envían a servicios de terceros.
  • No se puede garantizar alcanzar el nivel de las muestras de referencia en cada ocasión; el usuario tiene el derecho final de aceptación.

2. Términos

  • G: Herramienta de edición de imágenes del host que puede tomar la imagen original como entrada (sin limitación de fabricante). La ruta predeterminada solo toma la luz y el color de G, no los píxeles que dibuja.
  • N: Herramientas deterministas en optional/ de este paquete, que no generan contenido.
  • Etiqueta de toma final: Píxeles originales + Luz/color de G → Gradado N (predeterminado) | Salida directa N (sin G, G no califica o el usuario solicita no generativo) | G + Detalles restaurados (ruta mejorada), se puede añadir sufijo +Reestructurado、+Anti-sobrepaso.

3. Ejecución predeterminada (sin preguntar, sin tickets; múltiples fotos procesadas una por una)

Ojos y cerebro

  1. Autoevaluación de nivel: Ejecutar optional/selfcheck.py, luego confirmar si tiene G, clasificar según references/capability_tiers.md (T1 tiene G y puede ejecutar código; T2 solo puede ejecutar código; T3 solo tiene G; T4 no tiene ninguno). Si faltan dependencias y el host lo permite, instalar primero y autoevaluarse de nuevo. El nivel se registra en el recibo.
  2. Medición: optional/measure.py original.
  3. Lectura de imagen: Historia, emoción, sujeto principal, dirección de estilo (references/story_style.md); luz, color, tono, guía, espacio (references/craft_reading.md); leer solo la página del género correspondiente (references/genres/); echar un vistazo a la referencia de gusto (references/taste_profile.md).
  4. Redactar instrucción de dirección: Seis líneas (references/director_brief.md), traducir a instrucciones para G y parámetros para N con referencia a references/craft_prescriptions.md. Los objetivos numéricos solo se escriben en la instrucción de dirección y en los parámetros de N, no en las instrucciones para G.

Manos 5. Producción de imagen (T1):

  • Llamar a G una vez. La imagen original debe estar en el mensaje más reciente del usuario; las instrucciones deben seguir references/g_prompt_template.md y deben incluir las dos frases de requisitos físicos de references/physics.md sección 2. Después de la llamada, usar optional/check_g_output.py para verificar si la escena coincide (references/g_post_check.md), si no coincide, descartar esta versión.
  • Ejecutar optional/finish.py original G parámetros.json resultado.png recibo.json; para museos, vitrinas, bodegones de tono bajo añadir --genre=museum. Realiza en orden: transferencia de luz y color (look_transfer.py: cada píxel del resultado proviene del original, solo lleva la luz y el color de G, y bloquea la luz añadida o eliminada por G), gradado (grade.py), verificación física, verificación de intensidad. La verificación física debe pasar, la intensidad debe estar dentro del rango, y debe haber un cambio visible para que se considere calificado; si no califica, se rehace automáticamente en escalones: parámetros originales → intensidad de museo (solo museum) → eliminar brillo local y viñeteado → --local=0 → salida directa N → salida directa N + intensidad de museo. Entregar la primera que califique; si ninguna califica, entregar la que tenga menos problemas, enumerando los problemas en el recibo. No detenerse para preguntar al usuario.
  • T2: Sin G, ejecutar directamente finish.py original original parámetros.json … (equivalente a salida directa N, references/n_grade.md). T3: Solo G, entregar la salida de G y etiquetar honestamente que no se realizaron verificaciones. T4: Solo dar lectura de imagen y sugerencias.
  1. Verificación (obligatorio, registrar en el recibo, no mostrar por defecto): Comparar el resultado con la instrucción de dirección línea por línea, según director_brief.md sección 4 escribir siete conclusiones (Historia/Estilo | Sujeto principal | Tono | Color | No modificar | Composición | Naturalidad) y una decisión. Naturalidad según references/naturalness.md.
    • Dirección correcta, pero intensidad insuficiente → Completar con grade.py (máximo 3 rondas), después de cada ronda intensity_check.py original nueva --before=anterior. Las rondas con conclusión general DO_NOT_DELIVER deben ser revertidas.
    • La dirección de luz/color de G es incorrecta → Modificar las instrucciones y llamar a G de nuevo (G máximo dos veces), volver a ejecutar finish.py, elegir la mejor de las dos versiones.
    • Ruta mejorada: Solo cuando la ruta predeterminada carece precisamente de un efecto que solo los píxeles de G pueden proporcionar (por ejemplo, capas de cielo reformadas; no incluye haces de luz o anillos sin fuente de luz en el original), y G pasa la verificación de naturalidad, entonces usar G + restauración de detalles clave (references/detail_restore.md), comparar con la versión predeterminada y elegir la mejor.
  2. Composición y finalización: Según la instrucción de dirección, optimizar la composición geométrica (references/reframe_rules.md, optional/reframe.py: solo recortar, enderezar, corregir perspectiva); después de hacerlo, ejecutar de nuevo physics_check.py y intensity_check.py (para museo añadir --genre=museum); finalmente optional/n_trim.py verificar sobrepaso de altas luces (references/n_trim.md).
  3. Entrega: Entregar solo una toma final — una imagen nativa, más una línea Historia: …… | Estilo: ……, más la etiqueta de toma final. Si el host muestra automáticamente el borrador intermedio de G, escribir antes de la toma final "La imagen de arriba es el borrador intermedio; la siguiente es la toma final". No mostrar nada más (references/delivery.md).

Las únicas situaciones en que no se obtiene una toma final son: el sujeto principal es un retrato; la imagen original no se puede leer; T4; el usuario solo solicita análisis. Explicar con una frase.

4. Reglas que deben cumplirse

  • No crear luz ni eliminar luz (references/physics.md): El brillo solo se aplica donde originalmente había luz; los fondos oscuros mantienen la oscuridad y limpieza originales, sin anillos, áreas elípticas brillantes, efectos de foco; tampoco suprimir manchas de luz, reflejos o brillo originales reales.
  • Intensidad según preferencia del usuario (references/intensity.md): El límite inferior es el mínimo para impacto visual, debe alcanzarse; el límite superior solo elimina el exceso. Los temas de museo se juzgan según el sujeto principal (tercer nivel seleccionado por el usuario).
  • Indetectable a simple vista: Todos los juicios se basan en la visualización normal de la imagen completa; el 200% solo se usa para confirmar problemas ya detectados.
  • No modificar ni reemplazar herramientas: Si una herramienta da error o falta, informar honestamente, no escribir scripts temporales para modificarla.
  • Etiquetado honesto: Los resultados de N no se etiquetan como G; las verificaciones no realizadas no se declaran como realizadas.

5. Otros modos (cuando el usuario lo solicite)

  • "Retoca": En el paso 5, producir 2 direcciones de G (fiel a la esencia original, más audaz) más 1 salida directa N, cada una ejecutando finish.py, elegir una según la instrucción de dirección y la referencia de gusto, luego hacer los pasos 6–8. Más lento, consume más crédito.
  • "Ver recibo": Instrucción de dirección, instrucciones de G, parámetros, recibo de finish.py, conclusiones de verificación, hash.
  • "Ver tabla de banderas": Tabla de banderas acumulada (references/flag_log_template.md).
  • "Validar lote": Según references/validation_protocol.md.
  • Usuario insatisfecho: El usuario dice una frase ("demasiado cálido", "un poco más transparente"), entonces modificar la instrucción de dirección y rehacer, y registrar esta preferencia según taste_profile.md sección 3.

6. Carga y dimensiones

Solo admite fotos cargadas desde el álbum del teléfono (el usuario lo decidió el 2026-11-11). El host comprime las fotos cargadas (medido aproximadamente 1536 píxeles en el lado largo); la toma final de la ruta predeterminada tiene las mismas dimensiones que la imagen original recibida. No sugerir al usuario que cargue el archivo de otra manera.

7. Archivos de referencia

ArchivoContenido
references/principles.mdPrincipios generales: objetivo, tres principios, descarte y garantía, banderas
references/capability_tiers.mdClasificación en cuatro niveles según capacidad del host
references/story_style.mdLectura de imagen: historia, emoción, sujeto principal, dirección de estilo
references/craft_reading.md、references/craft_prescriptions.md、references/genres/Puntos clave de lectura de imagen, diagnóstico a prescripción, seis géneros
references/director_brief.mdInstrucción de dirección de seis líneas, traducción a directrices, siete ítems de verificación
references/g_prompt_template.md、references/g_post_check.mdInstrucciones para G y verificación posterior a la generación
references/physics.mdPrincipios físicos de la luz natural y verificación
references/intensity.mdRango de intensidad preferido por el usuario y calibración
references/n_grade.mdParámetros y uso de grade.py
references/naturalness.mdNaturalidad: verificación de rastros de IA y reparación local
references/detail_restore.mdRestauración de detalles clave de la ruta mejorada
references/reframe_rules.mdOptimización de composición geométrica
references/n_trim.mdVerificación final de sobrepaso de altas luces
references/taste_profile.md、assets/taste/Tomas finales aprobadas por el usuario y registro de gusto
references/delivery.mdFormato de entrega y límites de almacenamiento
references/validation_protocol.md、references/flag_log_template.mdValidación de lotes y tabla de banderas

Skills relacionados