Community이미지github.com

image-prompt-studio

구조화된 JSON 프롬프트 생성 및 수정(AI 그림 생성 워크플로우). 사용자가 한 문장으로 전체 구조화된 JSON 그림 프롬프트를 생성하거나, 기존 JSON 프롬프트를 최소한으로 정밀 수정하거나, 참조 이미지에서 프롬프트를 추론하거나, 2차원 일러스트 스타일로 장면을 만들거나, apiz를 통해 Nano Banana/GPT-Image로 프롬프트를 전송하여 이미지를 생성할 때 사용합니다. 필드 사양, 생성/수정 시스템 프롬프트, 드롭다운 단어 라이브러리, 9가지 사전 설정 예제 및 apiz 이미지 생성 매개변수 매뉴얼이 포함되어 있습니다.

image-prompt-studio란 무엇인가요?

이 스킬은 'Nano Banana Prompt Studio' 프로젝트의 프롬프트 엔지니어링 지식을 재사용 가능한 형태로 고정한 것입니다. 긴 자연어 대신 구조화된 JSON을 사용하여 AI 이미지 생성을 제어함으로써 정밀한 맞춤 설정, 모듈식 재사용 및 시리즈 작품의 일관성을 달성합니다. 이 스킬은 네 가지 주요 경로(새 프롬프트 생성, 최소 수정, 참조 이미지 추론, 이미지 생성)를 다루며, 생성된 JSON 프롬프트는 Nano Banana와 GPT-Image 두 모델 제품군과 호환됩니다.

지원 대상~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 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

Image Prompt Studio Skill

개요

「Nano Banana Prompt Studio」프로젝트의 프롬프트 엔지니어링 지식을 재사용 가능한 skill로 고정: 긴 자연어 대신 구조화된 JSON을 사용하여 AI 이미지 생성을 제어함으로써 정밀한 맞춤 설정, 모듈식 재사용 및 시리즈 작품의 일관성을 달성합니다. 본 skill은 네 가지 주요 경로(새 프롬프트 생성, 최소 수정, 참조 이미지 추론, 이미지 생성)를 다룹니다. 생성된 JSON 프롬프트는 Nano Banana와 GPT-Image 두 모델 제품군과 동시에 호환됩니다.

워크플로우 의사 결정 트리

사용자 의도에 따라 진입점 선택:

사용자 의도진입점
원하는 화면 설명 / 새 프롬프트 요청경로 A: 생성
기존 JSON을 가지고 'XX 수정 / XX로 변경'경로 B: 최소 수정
참조 이미지 제공, 모방/프롬프트 추론 요청경로 A + 참조 이미지 분석
프롬프트 준비 완료, 실제 이미지 생성 요청경로 C: 이미지 생성 실행

핵심 출력 규칙 (모든 경로 공통)

  1. JSON 본문만 출력: 마크다운 코드 블록(```json 없음) 및 설명 텍스트를 엄격히 금지합니다.
  2. 구조 완전성: 모든 필드를 반드시 채워야 하며, 누락하거나 비워둘 수 없습니다.
  3. 어휘 요구사항: 시각적인 표현력, 전문적이고 우아하며 구체적이어야 함; 모호한 표현을 피합니다.
  4. 비인물 주체(풍경, 사물, 전장 등)인 경우, 주체 아래의 외형 특징 관련 필드는 실제 객체에 맞게 설명을 조정하며, 인물 필드를 억지로 적용하지 않습니다.
  5. 생성 또는 수정 완료 후 구조 검증을 실행합니다(플러그인 내에서는 ips_validate 도구 사용, python 사용 금지; 독립 환경에서는 <SKILL_ROOT>/scripts/validate_prompt.py 사용 가능).

경로 A: 새 프롬프트 생성

  1. <SKILL_ROOT>/references/system-prompts.md의 SYSTEM_PROMPT 전문을 읽어 이번 생성의 시스템 명령으로 엄격히 준수합니다.
  2. 사용자가 참조 이미지를 제공한 경우: 런타임 agent가 직접 이미지를 읽고 분석합니다. 자체 멀티모달 비전 능력을 사용하여 이미지 파일을 열고, SYSTEM_PROMPT가 요구하는 네 가지 차원(캐릭터 특징, 장면 환경, 화면 스타일, 구도 및 카메라 각도)으로 특징을 추출한 후, 사용자의 텍스트 설명과 결합하여 프롬프트를 생성합니다. 외부 비전 모델 API를 호출하지 않으며, 분석은 agent 자체적으로 수행합니다. 참조 이미지의 파일 경로를 기록합니다: 이후 경로 C 이미지 생성 시 스타일 참조로 반드시 전달해야 합니다(경로 C 2단계 참조).
  3. 사용자에게 참조 이미지가 없는 경우, 자연어 설명을 직접 사용하여 생성합니다.
  4. 필드 작성 규칙 및 각 필드 작성 요령은 <SKILL_ROOT>/references/prompt-schema.md를 참조; <SKILL_ROOT>/references/options-library.md의 단어 라이브러리에서 고품질 표현을 선택하거나 조합하여 사용할 수 있습니다(단어 라이브러리는 소재이지 제약이 아니며, 화면 필요에 따라 자유롭게 활용).
  5. 출력 전 검증을 통해 구조가 올바른지 확인한 후 JSON을 사용자에게 전달합니다(.json 파일로 저장하거나 직접 표시).
  6. 스타일 기준이 필요한 경우 ips_presets(action=get)을 사용하여 가장 근접한 프리셋을 가져와 필드를 수정합니다.
  7. 「이미지 생성 워크벤치」1단계에서 시작된 분석은, 마무리 단계에서 반드시 ips_style(action=set)을 호출하여 스타일 JSON을 참조 이미지 경로와 함께 패널에 다시 써야 합니다 – 사용자는 2단계에서 이 스타일을 선택하여 이미지를 생성합니다.

경로 B: 기존 프롬프트 최소 수정

  1. <SKILL_ROOT>/references/system-prompts.md의 MODIFY_SYSTEM_PROMPT 전문을 읽어 '최소 수정' 원칙을 엄격히 준수합니다:
    • 정밀 타격: 사용자가 명시적으로 요청했거나 논리적으로 함께 변경되어야 하는 필드만 수정합니다(여름→겨울: 반팔→패딩은 필수이나, 머리색/구도는 절대 건드리지 않음).
    • 완전 동결: 영향받지 않은 필드는 원본 JSON과 문자 그대로 일치해야 하며, 동의어 대체, 윤문, 형식 최적화를 금지합니다.
    • 발산 금지: 사용자가 언급하지 않은 매개변수를 '수정'하지 않습니다.
  2. 수정된 전체 JSON을 출력합니다(diff나 일부가 아닌 전체).
  3. 동일하게 구조 검증을 한 번 더 수행합니다.
  4. 동결도 자체 점검(필수): ips_diff(before=원본 JSON, after=수정된 JSON)를 호출합니다. 도구는 리프 필드를 평면화하여 프로그래밍 방식으로 비교하고, 변경 목록, 동결 목록 및 동결률을 반환합니다. 변경 사항이 사용자 의도가 포함된 노드에만 해당하는지는 사용자가 판단합니다 – 의도 외의 변경 사항은 수정이 발산했음을 의미하므로 다시 수정합니다. 실제 측정 참고는 플러그인 루트 디렉토리 README.md의 '실제 측정 결과'(26개 리프 필드 중 11개 변경, 15개 문자 그대로 동결)를 참조; 예제 JSON은 패키지에 포함되어 배포되지 않으며, 스타일 기준이 필요할 때 ips_presets(action=get)을 사용하여 내장 프리셋을 가져옵니다.

경로 C: 이미지 생성 실행

프롬프트 JSON이 준비되면 이미지를 생성합니다. 동일한 JSON이 Nano Banana와 GPT-Image 두 모델 제품군과 동시에 호환되므로, 사용자 선호도나 화면 요구에 따라 경로를 선택합니다.

  1. prompt 조립: JSON 원문(JSON.stringify(data, null, 2)로 중국어를 원래대로 포함)을 prompt 텍스트로 사용; 사용자에게 추가 요구사항이 있을 경우 "\n\n특별 요구사항: <요구사항>" 형식으로 JSON 뒤에 추가합니다.
  2. 참조 이미지 포함(강제 규칙): 이번 프롬프트가 참조 이미지 분석/수정에서 비롯된 경우, 이미지 생성 시 반드시 해당 원본 이미지를 스타일 참조로 함께 전달해야 합니다 – 분석 후 원본 이미지를 버리면 실제 버그로, 그림 스타일 재현도가 크게 떨어집니다. 플러그인 도구 ips_generate의 referenceImages 매개변수에 로컬 경로 또는 http URL을 전달하면 됩니다(GPT-Image는 자동으로 reference_image_urls, Nano Banana는 자동으로 image_urls를 사용하므로 매개변수 이름을 기억할 필요 없음). 참조 이미지 없이 순수 텍스트로 이미지를 생성하는 경우에만 생략할 수 있습니다.
  3. 모델 선택:
    • GPT-Image 경로(기본값): apiz/gpt-image-2.5-flare, 품질 기본값은 low(10크레딧/장, 약 0.1위안).
    • Nano Banana 경로: service-inference/gemini-nano-banana-2.1, 텍스트-이미지와 참조 이미지 편집이 동일한 엔드포인트이며, 최대 14장의 참조 이미지 지원.
    • 매개변수 세부 사항 및 전체 모델 테이블은 <SKILL_ROOT>/references/image-generation.md를 참조.
  4. 실행: 우선 플러그인 도구 ips_generate를 호출(동일한 엔진, 패널 '프롬프트 워크벤치'에서도 사용); 플러그인에 apizApiKey가 설정되지 않고 CLI에 로그인되지 않은 경우 오류가 발생하며, 이때는 apiz CLI를 대비책으로 사용:
    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-ratio는 원본 이미지 또는 사용자 요구사항(세로 3:4 / 가로 16:9 / 정사각형 1:1 등)을 참조; 생성 시간은 2-9분 소요, CLI --wait는 완료될 때까지 차단되며, 타임아웃 위험이 높은 경우 백그라운드 실행으로 전환. 폴링 타임아웃 시 재실행 금지(중복 차감), apiz tasks wait <task_id> --json으로 이어서 진행.
  5. 이미지 생성 완료 후 결과물 경로와 사용된 프롬프트를 함께 사용자에게 표시; 플러그인은 자동으로 기록을 생성 히스토리에 저장(패널에서 확인 가능).
  6. 이미지 생성 전 잔액이 불확실한 경우 먼저 apiz account balance로 확인; 크레딧이 부족하면 모든 모델이 HTTP 429를 반환합니다.

프리셋 및 예제

  • ips_presets(action=list)를 사용하여 9가지 내장 프리셋(Q버전, 삼국지, 송나라, 선화 만화, 풍자 만화, 추석 별하늘 시리즈 등)을 확인할 수 있으며, 캐릭터 일러스트, 장면, 스타일화 등 전형적인 시나리오를 다룹니다.
  • 프롬프트 생성 시, 사용자 요구에 가장 근접한 프리셋을 스타일 기준으로 읽은 후, 사용자 설명에 따라 해당 필드를 교체합니다.
  • 사용자가 '프리셋으로 저장'을 요청하면, ips_presets(action=save)를 사용하여 현재 JSON을 사용자 프리셋 라이브러리에 이름을 붙여 저장합니다.

Resources

references/

  • prompt-schema.md — JSON 필드 규격: 각 필드의 의미, 작성 요령, 비인물 주체에 대한 조정 규칙, 선택적 부정 필드, 두 모델 제품군과의 호환성 설명. 생성 전 필독.
  • system-prompts.md — SYSTEM_PROMPT(생성)와 MODIFY_SYSTEM_PROMPT(수정) 전문, 런타임 agent 실행 설명 포함. 경로 A/B 실행 시 그대로 준수.
  • options-library.md — 전체 드롭다운 옵션 단어 라이브러리(스타일 모드, 화면 분위기, 카메라 위치 각도, 구도, 렌즈, 조명, 날씨, 의상, 색상 등), 캐릭터 선화 전용 프롬프트 포함. 단어 선택 소재 라이브러리.
  • image-generation.md — 이미지 생성 조작 매뉴얼: 명령 템플릿, Nano Banana 및 GPT-Image 이중 모델 매개변수 테이블, 참조 이미지 전달 방법, 품질 등급 및 가격, 잔액 게이트, 알려진 함정.

assets/

  • presets/*.json — 9가지 프리셋 예제, 직접 로드, 수정 또는 스타일 기준으로 사용 가능.

scripts/(독립 환경용; 플러그인에서는 ips_validate / ips_diff 도구 사용)

  • validate_prompt.py — 구조 검증기. 사용법: python validate_prompt.py <prompt.json>; 부분 구조 프리셋 시 --partial 추가; 누락된 필드는 하나씩 나열하며, 종료 코드는 0이 아님.

출처

본 skill은 로컬 프로젝트 D:/nano-b/nano-banana-prompt-studio(PyQt6 데스크탑 + Flask 웹 기반 Nano Banana Prompt Studio)에서 추출되었습니다. GUI 클라이언트, 웹 서비스 또는 PyInstaller 패키징 기능이 필요한 경우 해당 프로젝트 소스 코드를 직접 사용하십시오; 본 skill은 프롬프트 엔지니어링 지식만을 담고 있으며, 해당 프로젝트의 실행에 의존하지 않습니다. 이미지 생성 채널은 통합적으로 apiz를 사용합니다(2026-10-14부터 원본 프로젝트의 Gemini SDK / 302 중계 직결을 대체).

관련 스킬