MOSS-Image プロンプトエンハンサー
ユーザーのアイデアを具体的な画像説明に変換します。ファイルシステムとシェルツールを備えた GPT-6 ファミリーのエージェントを対象としています。エージェントは創造的な決定を行い、バンドルされた Python ツールが座標演算とシリアライゼーションを処理します。Echidna サービス、モデル API、またはサードパーティの Python 依存関係は必要ありません。
成果物の選択
キャプションまたはレイアウトに対する明示的なリクエストを尊重します。それ以外の場合は、通常のシーン、写真、イラストにはキャプションを使用します。特定のテキスト配置、ポスター、複数のパネル、または制御されたオブジェクト関係がバウンディングボックスから恩恵を受ける場合にはレイアウトを使用します。詳細な画像が自動的にレイアウトを必要とするわけではありません。
ユーザーの被写体、数、関係性、メディア、スタイル、除外事項、および意図された表示文言を保持します。通常の創造的なギャップは自分で解決し、欠落した決定が要求された画像を実質的に変更する場合にのみ質問します。ユーザーが提供したかのように事実のイベントのロジスティクスや仕様をでっち上げないでください。
説明文のデフォルト言語は英語とし、指定された場合は要求された出力言語に従います。表示テキストは、句読点、大文字小文字、要求された改行も含めて、元の言語でそのまま保持します。指示内の引用符で囲まれた文は必ずしもレンダリングするテキストではありません。表示文言と参考資料や制約を区別します。
画像の展開
目に見える選択肢を説明します：被写体とアクション、関連する外観、設定、カメラ/フレーミング、メディア、照明、素材、パレット、雰囲気。要求された画像をより具体的にする詳細を追加します。冗長な品質タグ、要求されていないスタイル変更、恣意的な単語数、および目に見えないプロセスノートを避けます。明示的にミニマリストなブリーフはミニマリストに保ち、一般的なタイトル/ヒーロー/フッターテンプレートに変えずに豊かなブリーフを展開します。 JSON、バウンディングボックスアノテーション、変換手順の説明は画像説明フィールドに含めないでください。これらはツールの指示であり、描写されたコンテンツではありません。
デザイン画像の場合、情報とイメージを一緒に構成します。読み取り順序、相対的な顕著性、一貫性のあるグループ、選択したピクセルで読み取り可能なテキストを確立します。「見出しはここ」や「説明テキスト」などのプレースホルダーではなく、意図したコピーを記述します。参照元から無関係な名前、透かし、コピーをインポートしないでください。有用な場合は提供された参照を使用します。外部調査は、事実の正確性に必要な場合やユーザーから要求された場合を除き、オプションです。
キャプション
正確に {"caption":"..."} を含む UTF-8 JSON ファイルを記述します。キャプションは首尾一貫した散文であり、空間関係は言葉で表現し、表示文言は正確に引用します。段落を含めることができます。見た目を構造化するためだけに、キャプションに座標や JSON レイアウトフィールドを追加しないでください。
レイアウト
レイアウトのドラフトを記述する前に、references/layout.md をお読みください。summary、フラットな items 配列、具体的な width と height、bbox_coord_space="abs"、bbox_format="xyxy" を含む読み取り可能な JSON を記述します。
ドラフトボックスは、キャンバスの左上から実際のピクセル単位で [x_min,y_min,x_max,y_max] を使用します。 x は 0..width、y は 0..height の範囲に保ちます。正規化座標を使用したり、手動でボックスを中央揃え、並べ替え、量子化したりしないでください。
指定された寸法を尊重します。アスペクト比のみが指定されている場合は、互換性のあるピクセル寸法を選択します。どちらも指定されていない場合、要求されたメディアが別の形状を示唆しない限り、1024×1024 を使用します。MOSS-Image の寸法は 16 の正の倍数である必要があります。互換性のない明示的な寸法を黙って変更しないでください。競合を表面化します。画像生成ワークフローでも同じ幅と高さを使用します。
一貫性のある表示単位にボックスを使用し、独立した配置が重要な場合にのみ分割します。グループ化は、コンテンツと関係を消去するのではなく、保持する必要があります。自然なオクルージョンとオーバーラップは許可されます。ボックスは配置アノテーションであり、境界線、パネル、ステッカーを描画する指示ではありません。外観はキャプションとグローバルな処理を summary.caption で説明します。ボックスを空間的な説明と一致させます。正確な表示文字列はテキストアイテムの text フィールドに保持します。
コンパイルと配信
ドラフトをユーザーに適した作業ディレクトリに保存し、この SKILL.md の横にバンドルされているツールを実行します。スクリプトパスは、ユーザーの作業ディレクトリではなく、スキルの場所から解決します。
python3 /path/to/moss-image-prompt-enhancer/scripts/compile_prompt.py \
draft.json --output prompt.txt
呼び出しには実際のパスを使用します。編集可能な JSON ドラフトとコンパイルされた出力は別々に保持します。結果を読み取り、配信前に被写体、正確なテキスト、意図されたジオメトリ、選択されたキャンバスを確認します。ドラフトの検証エラーを修正して再実行します。中央揃えの JSON を手書きして失敗した変換を迂回しないでください。
キャプションの場合、出力はプレーンテキストです。レイアウトの場合、フラットな items、整数の abs_centralized / yxyx ボックス、キャンバスメタデータなしの JSON の1物理行です。ツールは、Echidna の生成変換に合わせて、中心を差し引く前に小数ピクセルのエッジを囲みます。無効または範囲外のボックスを黙ってクリッピングするのではなく、拒否します。文字列の改行は JSON 内でエスケープされ、デコードされたテキストでは実際の改行のままです。
貼り付け可能なプロンプトまたはそのファイルへのリンクを返し、編集に役立つ場合はドラフトへのリンクも保持します。レイアウトの場合は、プロンプト外に必要な幅×高さも記述します。モデルプロンプト自体にはこれらの寸法は含まれません。レイアウト JSON をインラインで表示する場合は、再フォーマットせずにコンパイルされた出力を使用します。キャプションまたはコンパイルされたレイアウトのみが MOSS-Image のポジティブプロンプトに属します。これらのファイルを作成しても、画像生成が送信されたり、何かが公開されたりするわけではありません。