gmchocolate/poster-genome

Poster Genome · Reference-First 創作

目標：ユーザーが本当に好きな作品を学習し、その実際のビジュアルリファレンスを次の創作に活かすこと。

デザイン遺伝子（genome）は転用可能なデザイン判断です。ユーザー個人のTaste Libraryは、再度開いて観察し、画像制作に使用できるリファレンスポスターです。遺伝子のテキスト説明で実際のリファレンス画像を代替することはできません。 両者は必ず一緒に機能しなければなりません。

これはエージェントに対する行動指示であり、画像生成モデルを内蔵したソフトウェアではありません。すべての相対スクリプトパスは、このSKILL.mdが配置されているスキルディレクトリを起点とします。インストール後のユーザーデータは、実行マシンの ~/.poster-genome に保存され、スキルフォルダや公開GitHubリポジトリには保存されません。

一、まずユーザーモードを特定する

ユーザーの発言	モード	提供すべきもの
「このポスターを学んで」「どこが良いか」	LEARN	可視的な証拠、デザイン推論、転用可能ルール、適用例と反例
「これ、気に入ったから自分のスタイルライブラリに保存して」	LEARN → LIBRARY	まず画像を見て好き/嫌いな細部を抽出し、その後実際の画像 + 嗜好レコードをユーザーのローカルに保存
「これらの写真を使って、好きなスタイルで作って」	CREATE	関連するリファレンス原図の検索、実際の画像添付、制作と照合
「このバージョンはレイアウトが硬すぎる」「人物は変えないで」	REFINE	リファレンス画像と比較し、欠点を正確に指摘し、ユーザーの素材を保持したまま修正
「整理/削除/リファレンス画像に点数をつけて」	LIBRARY	ユーザーの明示的な許可がある場合のみ、ローカル画像ライブラリや公開遺伝子を変更

ユーザーがすでに画像、用途、コピーライトを提供している場合は、質問を繰り返さないでください。各ラウンドで創作に本当に影響する質問は最大3つまでにしてください。ユーザーが「他はあなたに任せる」と言うことを許可します。

二、最優先の制約

1. 実際のビジュアルリファレンス優先。 創作においては、プライベート画像ライブラリから実際の画像を1〜3枚優先的に検索してください。メタデータやgenome JSONだけでは、「リファレンス駆動」の創作とは言えません。
2. 2種類の画像の役割を明確に区別する。 ユーザーがアップロードしたコンテンツ画像は、被写体のアイデンティティ、数、服装、アイテム、ブランド、事実を担当します。好きなポスターはスタイルリファレンスであり、フォント、色、レイアウトのリズム、雰囲気のみを担当します。これらを1枚の画像に混同してはいけません。
3. 実際に画像を渡す。 パス文字列、プロンプト、要約だけでは自動的に画像が画像モデルに渡されません。ホストが実際にサポートする画像読み取り/添付インターフェースを介してファイル内容を渡さなければなりません。サポートされていない場合は正直に説明し、画像を参照したふりをしてはいけません。
4. 忠実度を美しさよりも優先する。 ユーザーが指定した顔、ペット、商品、正確な文字、数量を保持すること。赤ちゃんの一人を見落としたり、日付、天気、カメラパラメータ、署名、割引、推薦などを捏造してはいけません。
5. 学習するのであって、複製しない。 第三者作品の全体の独自レイアウト、商標、オリジナルコピーライトを再構築してはいけません。許可されていない素材を無断で使用してはいけません。
6. ローカル保存には許可が必要。 ユーザーがリファレンスポスターを見せるためにアップロードしたからといって、永続保存が許可されたわけではありません。ユーザーが「スタイルライブラリに追加/リファレンスを保存」と明示的に要求した場合、または同意した場合のみ、実行環境のローカルに書き込みます。同意なしにGitHub、クラウドストレージ、その他のサーバーにアップロードしてはいけません。
7. 観察、推論、未知を区別する。 ビジュアル効果の説明は、デザイナー本人の意図と同義ではありません。確認できない特定のフォント、オリジナル作者、パラメータ、権利については推測してはいけません。
8. ツールの能力について正直であること。 ビジュアルツールがなければ画像を見たと言えません。画像生成ツールがなければ画像を完成したと言えません。ローカルファイルにアクセスする機能がなければ、ユーザーのコンピュータ内の画像ライブラリを読み取ったり保存したりしたと言えません。

三、LEARN：実行可能な美的判断を学ぶ

ポスター分析方法 に従って分解します。順序は以下の通りです：

1. 画像タイプ、テーマ、アスペクト比、被写体数、背景、グラフィック、コピーライト、ブランド情報を観察し、不明な点を明記する。
2. 一目、二目、最後の一目で視聴順序を再現。構図、比率、フォントコントラスト、余白、レイヤー、色、装飾の役割を分析する。
3. 各結論に「画面の証拠 → 考えられるビジュアル的役割 → 転用可能ルール → 適用条件 → 失敗する条件」を明確に書き、「高級感」といった抽象的な言葉だけを使わない。
4. 複数の画像のスタイルが類似している場合、共通の骨格と変化可能なバリエーションを抽出し、画像ごとに機械的に新しい遺伝子を追加しない。
5. ユーザーの好みを明確にすること：最も好きな点と、どれをそのまま真似すべきでないか。ユーザーが言及しない場合、エージェントは候補を提案できるが、ユーザーが確認したふりをしてはいけない。
6. 候補遺伝子と適用シナリオを提示する。ユーザーが同意した後、原図をローカルのTaste Libraryに保存できる。公開遺伝子ファイルは追加の許可がある場合のみリポジトリに提出できる。

学習とローカル保存は異なるアクションです：分析は自動的に保存を意味しません。

四、LIBRARY：各ユーザー独自のビジュアルTasteを蓄積する

優先される操作は「ユーザー個人のリファレンス画像ライブラリにビジュアルリファレンスを追加する」ことであり、ユーザーの写真を公開リポジトリに保存することではありません。詳細は 個人Taste Library を参照してください。

ローカルCLIはスキルディレクトリで実行します。初回使用にはPillowのインストールが必要です：

python -m pip install -r requirements-library.txt
python scripts/taste_library.py add \
  --image "/path/to/reference.jpg" \
  --title "私の好きなフォトジャーナル風" \
  --genome playful-sky-editorial \
  --tag everyday \
  --like "大きめの太字タイトルと軽い手書き文字の交錯" \
  --avoid "原作者のブランドロゴと架空の日付" \
  --rating 5

これにより、メタ情報がクリーンアップされた画像コピーと美的レコードが ~/.poster-genome に保存され、自動的にネットワークにアップロードされることはありません。list、select、feedback、remove、prepare をサポートしています。

ソース写真を公開の skills/poster-genome/ に保存してはいけません。 ローカル保存とクラウド生成は異なる許可です。ユーザーがローカル保存を許可したからといって、事前通知なしに画像をリモートの画像生成サービスに送信してよいわけではありません。

エージェントがクラウド上で動作し、ユーザーのマシンにアクセスできない場合、ユーザーはエージェントがアクセス可能なワークスペースに画像を提供するか、ユーザーの同意を得たプライベートな永続ストレージを使用する必要があります。クラウドワークスペースをユーザーのコンピュータのローカルフォルダと言い換えてはいけません。

公開遺伝子は引き続き genomes/ にあり、schemas/genome.schema.json に準拠する必要があります。新しいスタイルはまず既存の遺伝子と比較し、重複カテゴリを無闇に増やさないでください。テストに合格しなかった遺伝子は draft として保持できます。

五、CREATE：実際のスタイルリファレンス画像を使って新しいポスターを作成する

完全なフローは リファレンス画像駆動創作 と ポスターメイキング を参照してください。

1. 今回の素材を理解する。 ユーザーのソース画像と各画像内の被写体をカウントし、変更できない顔、服、写真の数、テキスト、サイズをリストアップする。2枚の赤ちゃんの写真には両方の赤ちゃんが登場しなければならない。ユーザーが明示的に1枚を除外することを許可しない限り。
2. 実際のリファレンス画像を見つける。 ユーザーのローカル画像ライブラリを読み取り、スタイル遺伝子、素材タグ、ユーザーの評価、liked_for に基づいて1〜3枚を選び、実際に画像を開いてレイアウトの関係を判断する。ユーザーが明示的に指定したリファレンスを優先する。
3. リファレンス画像がない場合は正直に処理する。 デフォルトでは、まずユーザーに好きなポスターを追加するか、「ビジュアルリファレンスなしのオリジナル試作」を許可するか尋ねる。テキストルールを実際のビジュアル画像になりすましてはいけない。
4. 生成リストは、ポスター生成と同義ではない。 CLIはユーザー画像、スタイルリファレンス画像を異なる役割に分け、明確なローカルファイルパスを出力できる：

python scripts/taste_library.py prepare \
  --source "/path/to/user-photo-a.jpg" \
  --source "/path/to/user-photo-b.jpg" \
  --genome playful-sky-editorial \
  --tag portrait \
  --headline "双子のお出かけ日記" \
  --top 2

5. 実際にリファレンス画像とソース画像を画像ツールに渡す。 画像入力をサポートするマルチモーダル創作/編集ツールを呼び出し、選択したリファレンス画像をスタイルリファレンスとして、ユーザーのソース写真をコンテンツソースとして渡す。絶対パスをプロンプトに入れるだけでは入力完了とはみなされない。ツールが実際にそれらを受け取れることを確認する。ユーザーの機密画像をリモートサービスで呼び出す場合は、ユーザーの許可とサービスのプライバシー要件に従う。
6. デザインと忠実度を分離する。 リファレンスからフォント、色使い、エッジ装飾、空間リズムを学習するのであって、オリジナルをそのままコピーしない。顔、ブランド、数字、中国語の正確さが求められる場合、ツールで背景/グラフィックを作成し、その後決定的な編集で実際の写真とテキストを合成する。ビジュアル効果のためにユーザーの赤ちゃんの顔を描き直してはいけない。
7. 出力をチェックする。 コンテンツ画像内の要求されたすべての被写体が登場しているか、テキストが正確か、レイアウトが好きなビジュアル特徴を継承しているか、架空の撮影パラメータがないかを確認する。スタイルが基準に達していても被写体が一つ欠けている場合は、不合格の成果物とする。
8. フィードバックでTasteを向上させる。 ユーザーの評価後に好みを提案できる。ユーザーの同意がある場合のみ、feedbackを呼び出してローカルライブラリに書き込む。こっそり記録してはいけない。

マッチングスクリプト scripts/match_genomes.py は引き続きメタデータによるヒューリスティックなソートのみを行い、ビジュアルリファレンス検索を代替することはできません。リファレンス画像ライブラリCLIの select もビジュアルベクトル検索ではありません。エージェントは実際に画像を確認してからスタイルを決定すべきです。

六、REFINE：修正をユーザーの好きなリファレンスに近づける

• ユーザーのオリジナル素材、ユーザー指定のリファレンス画像、生成済み成果物の3つを同時に参照し、まず1〜3つの明らかな欠陥を指摘する。
• エラー（誤字、人物の欠落、顔の歪み、架空のデータ）と美的差異（フォントのダイナミズム不足、要素が硬すぎる）を分けて処理する。
• 方向性を決めた修正では、「何を参考にするか / 何をそのまま真似しないか / どのオリジナルコンテンツを変更してはいけないか」を明確に書く。
• 画像修正ツールがあれば実際に修正する。修正に再生成が必要で顔を損なう可能性がある場合は、制御された合成を優先する。
• ユーザーが結果や好みの保存を承認していない場合、自己判断でプライベートデータを作成しない。

七、失敗パターンと境界

• ローカル画像ライブラリが空の場合：ユーザーにリファレンスの追加を求めるか、リファレンスなしのオリジナル制作を許可する。根拠なく「スタイルはリファレンス画像から来ています」と言ってはいけない。
• JSONだけで画像がない場合：デザイン案を提示できるが、「テキストベースの遺伝子」に基づくものであり、画像条件生成ではないことを明記しなければならない。
• リファレンスは見つかったが、ホストがそれを読み取れない場合：ファイルパスを画像と言い換えてはいけない。ツールの制限を説明し、ユーザーに画像を添付するかツールの変更を依頼する。
• ユーザーが2人を正確に保持するよう要求した場合：1人だけ生成してはいけない。失敗した場合は修正を続けるか、正直に報告する。
• 事実の出典がない場合：具体的な日付、気温、カメラパラメータ、署名、バーコードの実際の意味を捏造してはいけない。
• 個人写真や第三者の作品：デフォルトで公開、同期、アップロードしてはいけない。
• 現在の作品がすでに適切な場合：現状維持を提案することを許可し、無理に再レイアウトしない。

必要に応じて読み取る

• リファレンス画像駆動創作 — 画像を実際に生成と忠実度に使用する全プロセス
• 個人Taste Library — ローカル画像ライブラリCLI、許可、プライバシー、フィードバック
• ポスター分析方法 — 観察と推論の境界
• デザイン遺伝子の選択と管理 — 共通ルールの選択、統合、バージョン管理
• インタラクティブ質問 — 重要な質問を少なく
• ポスターメイキング — キャンバス、レイヤー、テキスト、出力
• ポスター品質評価 — まず忠実度、次に美的感覚を確認
• ソースと権利 — 個人保存と第三者著作権

このプロジェクトは、いかなる環境においても、ビジュアルモデル、AI画像生成モデル、クラウド画像ライブラリ同期サービスを内蔵していません。