CommunityImagegithub.com

image

Compétence de génération de prompts d'image pour Nano Banana (NBP/NB2) et GPT Image 2.5 (Flare/Sunburst). Écrit des prompts prêts à l'emploi avec des recommandations de modèle/qualité/taille. Utiliser quand : "нарисуй", "сгенерируй картинку", "image prompt", "промпт для картинки", couvertures de blog, diapositives, affiches, photos de produits, maquettes UI, storyboards, fiches personnages, édition/colorisation, transfert de style, analyse visuelle, image-à-prompt, nb, NBP, NB2, gpt-image-2.5, grilles multi-panneaux, photographie de produits e-commerce, éditorial de mode, publicités alimentaires/boissons, portraits cinématographiques. NE PAS utiliser pour : vidéo (utiliser la compétence vidéo), modèles 3D, audio, tâches non-image.

Qu'est-ce que image ?

Cette compétence agit comme un assistant spécialisé dans la rédaction de prompts pour les modèles de génération d'images Nano Banana (NBP/NB2) et GPT Image 2.5 (Flare et Sunburst). Elle ne génère pas d'images directement, mais produit des prompts optimisés, prêts à être copiés, incluant le nom du modèle, les paramètres de qualité/taille/ratio et le texte du prompt lui-même. Sa force réside dans la sélection rigoureuse du modèle en fonction de la tâche : Nano Banana excelle avec les ratios extrêmes (1:8, 8:1) et l'ancrage d'image pour des emplacements réels, tandis que GPT Image 2.5 propose un contrôle fin via un template 5-slots (Scène/Sujet/Détails Importants/Cas d'Usage/Contraintes) et un levier de fidélité avec les niveaux de qualité. Elle impose un ordre de lecture obligatoire – d'abord le fichier de modèles, puis le fichier du modèle choisi, puis les règles universelles, puis les fichiers spécialisés selon la tâche (texte, édition, personnages, storyboards, etc.) – pour éviter les prompts génériques et faibles. La compétence fournit également des bibliothèques de patrons verticaux (e-commerce, mode, alimentaire, portraits cinéma, affiches, design de personnages, UI) et un vocabulaire de production de niveau studio pour l'éclairage, la caméra, l'étalonnage et la texture.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/chuanman2707/director-skill/tree/HEAD/skills/image

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Création de Prompts d'Image — Nano Banana & GPT Image 2.5

Cette compétence écrit des prompts d'image. Elle ne génère pas d'images. Le résultat est : nom du modèle + qualité / taille / ratio d'aspect + le prompt lui-même.

Le corps de ce SKILL.md est intentionnellement mince afin que vous ne puissiez pas falsifier un résultat en le lisant seul. Les règles réelles — ce que les modèles récompensent, ce qu'ils punissent, comment formuler un template 5-slots, quand ajouter quality: high, quand utiliser l'ancrage d'image — ne vivent que dans les fichiers de référence.

Aiguiller d'abord — s'agit-il vraiment d'une tâche de prompt d'image ?

  • Mouvement, clips, montage (Seedance, Kling, Veo, tout image-à-vidéo) : utilisez la compétence sœur video. Les sorties storyboard et images clés de cette compétence l'alimentent.
  • Pas encore d'idée ou de script (l'utilisateur veut un concept ou un scénario publicitaire, pas une image) : si la compétence creative-director est installée, commencez par là — elle développe des idées et des scripts pour les publicités et au-delà (github.com/smixs/creative-director-skill).
  • Une image concrète est nécessaire — cette compétence. Continuez ci-dessous.

Ordre de lecture obligatoire — N'ÉCRIVEZ PAS DE PROMPT SANS CELA

Les tentatives précédentes d'écrire des prompts directement à partir de ce corps de compétence ont produit des résultats paresseux et génériques. Chaque modèle a sa propre physique ; les règles communes deviennent boueuses lorsqu'elles sont appliquées sans syntaxe spécifique au modèle. Lisez dans cet ordre avant de produire un prompt :

Étape 1 — toujours lire d'abord → models.md

Décidez : Nano Banana (NB2 ou NBP) ou GPT Image 2.5 (Flare pour la vitesse, Sunburst pour les éditions de précision). Le choix change fondamentalement la syntaxe du prompt — paragraphes en langage naturel vs. template 5-slots étiqueté, paramètres de qualité, quelles fonctionnalités existent (ancrage d'image uniquement sur NB, discipline EXACT TEXT uniquement sur GPT Image, etc.).

Si l'utilisateur a nommé un modèle — confirmez et continuez. Sinon — choisissez à l'aide du tableau dans models.md, puis indiquez votre choix dans l'en-tête de sortie.

Étape 2 — lire un fichier de modèle (celui que vous avez choisi)

  • Nano Banana → nano-banana.md Ancrage d'image pour des lieux réels. Ratios d'aspect extrêmes (1:8, 8:1, 4:1). Mode réflexion. JSON pour 5+ éléments. Jusqu'à 14 images de référence. Pourquoi vous ne devez PAS écrire de nombres 50mm / f-stop / ISO.

  • GPT Image 2.5 → gpt-image.md Template 5-slots (Scène / Sujet / Détails Importants / Cas d'Usage / Contraintes). Liste de mots interdits anti-bave. quality: low / medium / high / xhigh / max comme un levier de fidélité délibéré. Contraintes de taille (multiples de 16, max 3:1, jusqu'à 4K 3840×2160). Logique d'édition à deux colonnes (Modifier / Préserver / Contraintes). Jusqu'à 16 images de référence avec des rôles explicites.

Le fichier de modèle est non négociable. Le sauter est la cause numéro un des prompts faibles.

Étape 3 — toujours lire après le fichier de modèle → golden-rules.md

Règles universelles qui s'appliquent aux deux modèles : commencer par un verbe, formulation positive, couleurs hexadécimales, citer le texte, éditer sans recommencer, un changement par itération, images de référence.

Étape 4 — lecture adaptée à la tâche (chargez uniquement ce qui correspond à la demande)

Choisissez zéro ou plus, selon ce que l'utilisateur a demandé :

  • Texte dans l'image, infographie, diagramme, rendu multilingue → text-rendering.md
  • Éditer une image existante (suppression d'objet, changement d'éclairage, colorisation, restauration, localisation) → editing.md
  • Continuité du personnage sur plusieurs images / panneaux → characters.md
  • L'image doit passer pour une vraie photographie (portrait, reportage, UGC, casting, produit en main) — ou l'utilisateur dit que le résultat "fait IA", "trop brillant", "pas comme la référence" → de-slop.md. Priors par défaut du modèle, mots booster interdits, pipeline de capture au lieu d'adjectifs, imperfections localisées.
  • Diapositives de présentation → slides.md
  • Narration séquentielle (storyboard, bande dessinée, séquence de panneaux) → storyboards.md
  • Esquisse → final, maquettes fil de fer, entrée structurelle → structural.md
  • 2D → 3D, plans d'étage, isométrique → dimensional.md
  • Analyse visuelle / image-à-prompt / transfert de style à partir d'une image de référence → vision-decomposer.md. Chargez ceci chaque fois que l'utilisateur joint une image et demande de recréer, faire correspondre, décomposer ou transférer son style.
  • Compositions multi-panneaux (grilles, collages, feuilles de storyboard dans UNE image) → multi-panel.md. Grilles TVC 9 cases, grilles portrait 2x2, collages de campagne 3 panneaux, grilles sans bordure 4x3, séquences cinématographiques 6 images, divisions avant/après, affiches storyboard 12 panneaux.
  • Bibliothèques de patrons par industrie — modèles de prompts éprouvés par secteur. Chargez le fichier correspondant :

Étape 5 — lire pour le langage de production → creative-direction.md

Vocabulaire de qualité studio pour la conception d'éclairage, caméra et matériel, étalonnage et pellicule, matérialité et texture. À lire lorsque vous avez besoin de termes précis au-delà de ce que couvre golden-rules.md.

Étape 6 — lire si vous structurez un prompt complexe → prompt-framework.md

Liste de vérification universelle des éléments (sujet, contexte, action, environnement, caméra, éclairage, ambiance, matériaux, palette, format), modes de détail (concis / standard / verbeux / verbeux cinématographique), modèles paramétrés, structure de sortie avec paramètres et exclusions.


Format de sortie

Lorsque vous renvoyez le prompt, structurez-le comme ceci :

Modèle : <nano-banana-2 | nano-banana-pro | gpt-image-2.5-flare | gpt-image-2.5-sunburst>
Qualité : <low | medium | high | xhigh | max>   (uniquement pour gpt-image-2.5)
Taille / Ratio : <par exemple 1536×1024 ou 16:9>

Prompt :
<le texte du prompt, prêt à être copié>

Notes :
- <tout ce que vous avez déduit ou supposé parce que l'utilisateur ne l'a pas spécifié>

Pour les éditions, incluez également une liste explicite de ce qui est préservé (obligatoire pour gpt-image-2.5, recommandé pour nano-banana) :

Modification : <une chose concrète>
Préserver : <visage, pose, éclairage, cadrage, géométrie, ...>
Contraintes : <pas d'objets supplémentaires, pas de dérive, ...>

Style de réponse final

Privilégiez : des prompts prêts à copier, des couleurs hexadécimales, des matériaux concrets, des compositions nommées, une syntaxe spécifique au modèle (5-slots pour GPT Image, prose naturelle pour Nano Banana).

Évitez : la soupe de tags ("cool, moderne, 4k"), les éloges vagues ("époustouflant, épique, chef-d'œuvre" — nuit activement à GPT Image 2.5), la formulation négative ("pas de personnes, pas de voitures" — inversez en positif), les comparaisons externes ("comme une pub Apple" — décrivez plutôt les propriétés visuelles), les paramètres numériques d'objectif dans les prompts Nano Banana (il les ignore).


Auteur : Serge Shima (t.me/aimastersme · sergeshima.com · aimasters.me) · Licence : CC BY 4.0 — attribution requise · Source : smixs/visual-skills

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

Skills associés