Community画像github.com

画像プロンプトスタジオ

構造化JSONによるプロンプト生成・編集(AIイラスト生成ワークフロー)を支援するスキル。ユーザーが一文で描写を伝えるだけで完全なJSONプロンプトを生成したり、既存のJSONを最小限の変更で修正、参考画像からプロンプトを逆推定、特定スタイルの作品制作、apiz経由でのNano Banana/GPT-Imageによる画像生成までをカバーします。

画像プロンプトスタジオ とは?

このスキルは「Nano Banana Prompt Studio」プロジェクトのプロンプトエンジニアリング知識を再利用可能な形にまとめたものです。構造化JSON(長文の自然言語ではなく)を用いてAI画像生成を制御し、精密なカスタマイズ、モジュール式の再利用、シリーズ作品間の一貫性を実現します。主に4つのワークフローパスをカバーします:新規プロンプト生成、最小限の変更、参照画像からの逆推定、実際の画像生成です。生成されたJSONプロンプトはNano BananaとGPT-Imageの両方のモデルファミリーと互換性があります。参照画像が提供された場合、エージェント自身のマルチモーダル視覚機能で画像を分析し、外部APIを呼び出さずに特徴を抽出します。また、変更時の厳格な「最小限の変更」原則、構造的検証、apiz経由での画像生成までを一貫してサポートします。

対応~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/liangdabiao/dsh-image-prompt-studio/tree/main/skills/image-prompt-studio

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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

Image Prompt Studio Skill

概要

「Nano Banana Prompt Studio」プロジェクトのプロンプトエンジニアリング知識を再利用可能なスキルとして統合: 構造化JSON(長文の自然言語ではなく)を使用してAI画像生成を制御し、精密なカスタマイズ、モジュール式の再利用、シリーズ作品間の一貫性を実現します。このスキルは4つの主要パスをカバーします。新しいプロンプトの生成、最小限の変更、参照画像からの逆推定、そして画像生成です。生成されたJSONプロンプトはNano BananaとGPT-Imageの両方のモデルファミリーと互換性があります。

ワークフロー意思決定ツリー

ユーザーの意図に応じてエントリーポイントを選択:

ユーザーの意図エントリーポイント
作りたい画面を説明する / 新しいプロンプトが欲しいパスA: 生成
既存のJSONに対して「XXを変更 / XXに置き換え」と言うパスB: 最小限の変更
参照画像が提供され、プロンプトを模倣/逆推定したいパスA + 参照画像分析
プロンプトの準備ができ、実際に画像を生成したいパスC: 画像生成実行

コア出力ルール(全パス共通)

  1. JSON本体のみを出力: ````json` のようなマークダウンコードブロックでのラップは禁止。説明文も一切禁止。
  2. 完全な構造: すべてのフィールドに入力すること。欠落や空白は禁止。
  3. 用語要件: 絵画的で、専門的で、美しく、具体的であること。曖昧な表現は避ける。
  4. 非人物主体(風景、物体、戦場など)の場合、主体の外見特徴フィールドは実際の対象に合わせて記述を調整し、人物フィールドを無理に当てはめない。
  5. 生成または変更完了後、構造検証を実行する(プラグイン内では ips_validate ツールを使用、Pythonは不使用。スタンドアロン環境では <SKILL_ROOT>/scripts/validate_prompt.py を使用)。

パスA: 新しいプロンプトの生成

  1. <SKILL_ROOT>/references/system-prompts.md の SYSTEM_PROMPT 全文を読み込み、今回の生成におけるシステム命令として厳格に実行する。
  2. ユーザーが参照画像を提供した場合: 実行時エージェントが画像を直接読み取り分析する。エージェント自身のマルチモーダル視覚機能を使用して画像ファイルを開き、SYSTEM_PROMPTで要求される4つの次元(キャラクター特徴、シーン環境、画面スタイル、構図とカメラアングル)に沿って特徴を抽出し、ユーザーのテキスト記述と組み合わせてプロンプトを生成する。外部ビジョンモデルAPIを呼び出さず、分析はエージェント自身が実行する。参照画像のファイルパスを記録する: 後続のパスCで画像生成を行う際、これをスタイル参照として必ず渡す(パスCの手順2参照)。
  3. ユーザーが参照画像を提供しない場合、その自然言語による記述から直接生成する。
  4. フィールド記入仕様と各フィールドの記述要点は <SKILL_ROOT>/references/prompt-schema.md を参照。また <SKILL_ROOT>/references/options-library.md の語彙集から高品質な表現を選択または組み合わせて使用できる(語彙集は素材であって制約ではない。画面の必要に応じて自由に表現する)。
  5. 出力前に検証で構造に問題がないことを確認し、JSONをユーザーに提供する(.json ファイルとして保存するか、直接表示する)。
  6. スタイル基準が必要な場合は ips_presets(action=get)を使用して最も近いプリセットを取得し、フィールドを書き換える。
  7. 「画像生成ワークベンチ」の手順1で開始された分析では、最後に必ず ips_style(action=set)を呼び出し、スタイルJSONと参照画像パスをパネルに書き戻す。ユーザーは手順2でこのスタイルを選択して画像生成を行うのを待っている。

パスB: 既存プロンプトの最小限の変更

  1. <SKILL_ROOT>/references/system-prompts.md の MODIFY_SYSTEM_PROMPT 全文を読み込み、「最小限の変更」原則を厳格に実行する:
    • ピンポイントで変更: ユーザーが明示的に要求したフィールド、または論理的に連動して変更が必要なフィールドのみを変更する(夏→冬の場合、半袖→コートは必須だが、髪色や構図は絶対に変更しない)。
    • 完全凍結: 影響を受けないフィールドは元のJSONと一字一句同一でなければならない。同義語置換、言い換え、フォーマットの最適化は禁止。
    • 逸脱禁止: ユーザーが言及していないパラメータを「修正」してはならない。
  2. 変更後の完全なJSONを出力する(差分や断片ではない)。
  3. 同様に構造検証を通過させる。
  4. 凍結度の自己チェック(必須): ips_diff(before=元のJSON、after=変更後のJSON)を呼び出す。ツールはリーフフィールドをフラットにしてプログラム的に比較し、変更リスト、凍結リスト、凍結率を返す。変更がユーザーの意図をカバーするノードに収まっているかどうかは自身で判断する。意図から外れた変更は変更が逸脱していることを示すため、やり直す。実測参照はプラグインルートディレクトリの README.md「実測結論」(26のリーフフィールド中11が変更、15が一字一句凍結)を参照。サンプルJSONはパッケージに含まれていない。スタイル基準が必要な場合は ips_presets(action=get)を使用して内蔵プリセットを取得する。

パスC: 画像生成実行

JSONプロンプトの準備ができたら画像を生成する。同一のJSONはNano BananaとGPT-Imageの両方のモデルファミリーと互換性があり、ユーザーの好みや画面のニーズに応じてルートを選択する。

  1. プロンプトを組み立てる: JSON原文(JSON.stringify(data, null, 2) で中国語をそのまま)をプロンプトテキストとして使用する。ユーザーに追加の要求がある場合は、"\n\n特別な要求:<要求>" の形式でJSONの後に追記する。
  2. 参照画像付き(ハードルール): 今回のプロンプトが参照画像の分析/変更から得られたものである場合、画像生成時には必ずその元画像をスタイル参照として一緒に渡す。分析後に元画像を破棄することは実測で確認されたバグであり、画風の再現度が大幅に低下する。プラグインツール ips_generate の referenceImages パラメータにローカルパスまたはhttp URLを渡す(GPT-Imageは自動で reference_image_urls に、Nano Bananaは自動で image_urls に設定される。パラメータ名を覚える必要はない)。参照画像なしの純粋なテキストからの画像生成の場合のみ省略可能。
  3. モデルの選択:
    • GPT-Imageルート(デフォルト): apiz/gpt-image-2.5-flare、品質はデフォルトで low(10クレジット/枚、約0.1元)。
    • Nano Bananaルート: service-inference/gemini-nano-banana-2.1、テキストからの画像生成と参照画像編集は同一エンドポイントで、最大14枚の参照画像をサポート。
    • パラメータの詳細と完全なモデルテーブルは <SKILL_ROOT>/references/image-generation.md を参照。
  4. 実行: 優先的にプラグインツール ips_generate を呼び出す(同一エンジン。パネル「プロンプトワークベンチ」もこれを使用)。プラグインにapizApiKeyが設定されておらず、CLIにログインしていない場合はエラーが発生する。その場合はapiz CLIをフォールバックとして使用する:
    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-ratio は元画像またはユーザーの要求に従う(縦構図3:4 / 横構図16:9 / 正方形1:1 など)。生成には2〜9分かかる。CLI --wait は完了までブロックする。タイムアウトリスクが高い場合はバックグラウンド実行に切り替える。ポーリングタイムアウト時は再実行しない(重複課金)。apiz tasks wait <task_id> --json で再接続する。
  5. 画像生成完了後、生成された画像のパスと使用したプロンプトをユーザーに提示する。プラグインは自動的に生成履歴に記録を書き込む(パネルで確認可能)。
  6. 画像生成前に残高が不明な場合は、まず apiz account balance で確認する。クレジットが不足している場合、すべてのモデルがHTTP 429を返す。

プリセットとサンプル

  • ips_presets(action=list)を使用して9セットの内蔵プリセット(Q版、三国志、宋時代、線画漫画、風刺漫画、中秋星野シリーズなど)を表示する。これらは人物立ち絵、シーン、スタイル化などの典型的なシナリオをカバーする。
  • プロンプト生成時、ユーザーのニーズに最も近いプリセットをスタイル基準として読み込み、ユーザーの記述に応じて対応するフィールドを置き換える。
  • ユーザーが「プリセットとして保存」と言った場合、ips_presets(action=save)を使用して現在のJSONをユーザープリセットライブラリに名前を付けて書き込む。

リソース

references/

  • prompt-schema.md — JSONフィールド仕様: 各フィールドの意味、記述の要点、非人物主体の場合の調整ルール、オプションのネガティブフィールド、2つのモデルファミリーとの互換性の説明。生成前に必読。
  • system-prompts.md — SYSTEM_PROMPT(生成)と MODIFY_SYSTEM_PROMPT(変更)の全文。実行時エージェントの実行説明付き。パスA/Bを実行する際にそのまま従う。
  • options-library.md — 全量ドロップダウン選択肢の語彙集(スタイルモード、画面の雰囲気、カメラ位置アングル、構図、レンズ、光、天候、服装、色彩など)。キャラクター線画専用プロンプトを含む。選択語彙の素材庫。
  • image-generation.md — 画像生成操作マニュアル: コマンドテンプレート、Nano BananaとGPT-Imageのデュアルモデルパラメータテーブル、参照画像の渡し方、品質レベルと価格、残高ゲート、既知の落とし穴。

assets/

  • presets/*.json — 9セットのプリセットサンプル。直接読み込み、書き換え、またはスタイル基準として使用可能。

scripts/(スタンドアロン環境用。プラグイン内では ips_validate / ips_diff ツールを使用)

  • validate_prompt.py — 構造バリデーター。使い方: python validate_prompt.py <prompt.json>。一部の構造プリセットには --partial オプションを追加。フィールドが不足している場合は一つずつリストアップされ、終了コードは0以外になる。

出典

このスキルはローカルプロジェクト D:/nano-b/nano-banana-prompt-studio(PyQt6デスクトップ版 + Flask Web版のNano Banana Prompt Studio)から抽出されました。GUIクライアント、Webサービス、またはPyInstallerによるパッケージング機能が必要な場合は、そのプロジェクトのソースコードを直接使用してください。このスキルはプロンプトエンジニアリング知識のみを保持し、そのプロジェクトの実行に依存しません。画像生成チャネルはすべてapizを経由します(2026年10月14日以降、元プロジェクトのGemini SDK / 302中継直接接続を置き換え)。

関連スキル