Community이미지github.com

greenroom

학습된 플레이북을 바탕으로 프로덕션 수준의 AI 이미지 프롬프트(Nano Banana Pro / Google Flow 및 유사 모델)를 작성하고, 사용자의 검증된 프롬프트-이미지 쌍에서 새로운 패턴을 학습합니다.

greenroom란 무엇인가요?

Greenroom은 이미지 생성 프롬프트를 반복적으로 학습하고 개선하는 세 가지 모드를 제공합니다. '학습(Learn)' 모드에서는 사용자의 프롬프트-이미지 코퍼스를 분석하여 어떤 요소가 효과적이었는지 파악하고, 이를 '참조/learned-patterns.md'에 플레이북 형태로 기록합니다. '생성(Generate)' 모드는 이 플레이북을 바탕으로 사용자의 요청(주제, 분위기, 종횡비 등)에 맞는 새로운 프롬프트를 즉시 작성해 줍니다. '웹(Web)' 모드는 웹사이트 및 UI 자산(히어로 영상, 기기 목업, 배경, 아이콘 등)에 특화된 프롬프트를 생성하며, 크로마키 녹색 화면과 텍스트 오버레이 공간을 고려한 구조를 따릅니다. 이 도구는 Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼에서 사용할 수 있으며, 분석 결과를 영구적으로 저장하여 프롬프트 품질과 일관성을 지속적으로 향상시킵니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/BetzalelTusk/greenroom/tree/main

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Greenroom: 학습된 이미지 프롬프트 생성

Greenroom은 하나의 아이디어를 중심으로 세 가지 모드로 작동합니다. 한 번 효과적이었던 프롬프트가 무엇 때문에 잘 작동했는지 분석하고, 이를 플레이북으로 기록한 뒤, 모든 새 프롬프트를 그 플레이북으로부터 생성합니다.

이 스킬의 파일:

  • references/learned-patterns.md: 정제된 프롬프트 플레이북(구조, 타이포그래피, 카메라, 조명, 네거티브, 품질 태그). 시드 플레이북이 포함되어 있으며, 학습 모드에서 사용자의 작업으로 교체됩니다.
  • references/web-assets.md: 웹사이트 및 UI 이미지(크로마키 그린 기기 목업, 분리된 배경, 오버레이 공간, 배치별 화면비)를 위한 플레이북입니다.
  • corpus/corpus.json: 사용자의 프롬프트+이미지 코퍼스(사용자가 생성하며, corpus/corpus.example.json 참조). 이미지 경로는 corpus/ 기준 상대 경로입니다.

사용자가 코퍼스를 다른 곳에 보관하는 경우, 해당 경로를 알려줄 것이므로 그 경로를 사용하십시오.

모드 1: 학습 (코퍼스 분석)

트리거: 사용자가 새 예제를 분석, 학습, 재학습 또는 업데이트하도록 요청하는 경우입니다.

  1. 코퍼스 매니페스트를 읽습니다. 각 항목은 이미지 경로와 해당 이미지를 생성한 정확한 프롬프트, 선택적 메모 및 태그로 구성됩니다. 매니페스트가 없으면 아래 형식을 사용자에게 보여주고, 사용자가 붙여넣는 이미지와 프롬프트로 새 매니페스트를 만들겠다고 제안합니다.
  2. 아직 분석되지 않은 각 항목에 대해(references/learned-patterns.md 하단의 "분석된 항목" 목록과 비교), 이미지(비전)와 해당 프롬프트를 함께 읽습니다. 각 쌍에 대해 질문합니다. 프롬프트가 무엇을 말했고, 이미지가 실제로 무엇을 전달했나요? 어떤 구문이 눈에 띄게 효과를 발휘했나요(조명 용어, 구도 지시, 스타일 앵커, 품질 태그)? 프롬프트가 분명히 유발한 이미지의 어떤 부분이 성공적이었나요? 모델이 프롬프트에서 어디에서 벗어났나요?
  3. references/learned-patterns.md를 업데이트합니다. 로그를 추가하는 대신 새 관찰 내용을 기존 섹션에 병합합니다. 일기장이 아닌 정제된 플레이북입니다. 사용자 자신의 코퍼스에 대한 첫 번째 학습 패스에서는 시드의 예제를 사용자의 것으로 교체하고 헤더에 그 사실을 명시합니다. 통합하여 약 300줄 미만으로 유지합니다.
  4. 분석된 항목 ID를 "분석된 항목" 목록에 추가하여 이후 실행에서 건너뛰도록 합니다.

지속성의 이유: 분석은 각 예제에 대해 한 번만 수행되며, 생성은 매번 패턴을 다시 유도하는 대신 정제된 플레이북을 읽습니다.

모드 2: 생성 (새 프롬프트 작성)

트리거: 사용자가 새 이미지 프롬프트(주제, 장면, "내 다른 것들처럼 하지만 X", 특정 화면비, 분위기 또는 캠페인 요구)를 요청하는 경우입니다.

  1. references/learned-patterns.md를 읽습니다.
  2. 요청된 주제와 구성(화면비, 분위기, 대상 모델)에 맞게 학습된 패턴(구조, 구문 관례, 조명 및 구도 어휘, 품질 태그)을 재조합하여 새 프롬프트를 구성합니다.
  3. 플레이북은 작업을 시각적 계열(예: 타이포그래피 중심 포스터, 초현실적 합성, 에디토리얼 효과 인물 사진, 스튜디오 룩북)로 그룹화합니다. 요청이 암시하는 계열에 맞춥니다. 요청이 없는 한 계열을 혼합하지 않습니다.
  4. 프롬프트 텍스트만 출력합니다: 붙여넣기만 하면 되는 단일 블록, 설명, 헤더, 주석 없음. 주요 설정이 정말로 모호한 경우(화면비가 사용에 중요하지만 주어지지 않은 경우), 먼저 짧은 질문 하나를 한 다음, 프롬프트만 출력합니다.

플레이북 헤더에 여전히 시드 플레이북이라고 표시되어 있으면 생성은 작동하지만, 사용자 자신의 프롬프트에 대해 학습 모드를 실행하면 사용자의 스타일에 맞게 조정될 것이라고 한 번 언급합니다.

모드 3: 웹 (웹사이트 및 UI 자산용 프롬프트)

트리거: 사용자가 웹사이트 또는 웹 컴포넌트(히어로, 목업, 배경, 섹션 비주얼, 아이콘 세트, 썸네일, OG 이미지)용 이미지를 원하거나, 사이트나 페이지를 언급하거나, "greenroom web"이라고 말하는 경우입니다.

  1. 먼저 references/web-assets.md를 읽고, 그 다음 구문 및 품질 어휘를 위해 references/learned-patterns.md를 읽습니다. 두 문서가 충돌하는 경우 웹 플레이북이 우선합니다. 신원 고정 없음, 내장 텍스트 없음, 크로마키 그린 화면, 분리된 배경.
  2. 사용자가 특정 자산을 지정한 경우("다크 사이트용 노트북과 휴대폰이 있는 히어로 목업"), 플레이북의 웹 기본값으로 빈칸을 채우고 바로 프롬프트로 이동합니다.
  3. 요청이 열려 있는 경우("greenroom web", "내 사이트용 이미지가 필요함"), 최대 4개의 질문을 한 라운드로 하고, 요청이 답하지 않은 질문만 합니다(사용 가능한 경우 AskUserQuestion 도구 사용):
    • 자산: 히어로 기기 목업 / 멀티디바이스 세트 / 손에 든 휴대폰 / 섹션 배경 / 기능 아이콘 / 추상 히어로 / 소셜 이미지(자산 메뉴 참조)
    • 사이트 배경: 어두움(순수 검정) / 밝음(순수 흰색) / 브랜드 색상(hex)
    • 배치: 전체 너비 히어로 / 분할 절반 / 섹션 또는 카드 / 모바일
    • 참조: 일치시킬 이전 렌더링이 있습니까(첨부), 아니면 새 시리즈의 첫 번째입니까?
  4. 플레이북 구조에서 프롬프트를 구성합니다. 배치에서 화면비를, 사이트에서 배경을 가져오고, 텍스트 오버레이를 위한 빈 면을 지정합니다. 참조 렌더링이 첨부될 경우 "(참조 이미지)를 ...에만 사용하십시오. 정확히 일치시키십시오." 줄을 추가합니다.
  5. 사용자가 하나의 사이트에 여러 자산을 요청하면 각 자산에 대해 하나의 프롬프트를, 각각 자체 블록에 한 줄 레이블과 함께 출력합니다(프롬프트만 출력하는 규칙의 유일한 예외). 첫 번째는 시리즈 앵커입니다. 나머지는 해당 프롬프트가 참조로 첨부되었다고 가정합니다.
  6. 그렇지 않으면 모드 2에서와 같이 프롬프트만 출력합니다.

웹 프롬프트가 사용자가 만족하는 결과를 제공하면, 학습 모드가 연구할 수 있도록 이를 코퍼스에 추가하겠다고 제안합니다.

코퍼스 매니페스트 형식

corpus/corpus.json은 JSON 배열입니다. image와 prompt만 필수입니다:

[
  {
    "id": "poster-01",
    "image": "posters/poster-01.jpeg",
    "prompt": "이미지 도구에서 붙여넣은 정확한 프롬프트 텍스트",
    "notes": "선택 사항: 이 결과에 대해 마음에 들었던 점",
    "tags": ["선택", "에디토리얼", "흑백"]
  }
]

새 배치를 추가할 때 사용자는 항목을 추가합니다. 학습 모드는 분석되지 않은 항목만 선택합니다.

관련 스킬