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 의도 | 진입점 |
|---|---|
| 원하는 화면 설명 / 새 프롬프트 요청 | 경로 A: 생성 |
| 기존 JSON을 가지고 'XX 수정 / XX로 변경' | 경로 B: 최소 수정 |
| 참조 이미지 제공, 모방/프롬프트 추론 요청 | 경로 A + 참조 이미지 분석 |
| 프롬프트 준비 완료, 실제 이미지 생성 요청 | 경로 C: 이미지 생성 실행 |
핵심 출력 규칙 (모든 경로 공통)
- JSON 본문만 출력: 마크다운 코드 블록(```json 없음) 및 설명 텍스트를 엄격히 금지합니다.
- 구조 완전성: 모든 필드를 반드시 채워야 하며, 누락하거나 비워둘 수 없습니다.
- 어휘 요구사항: 시각적인 표현력, 전문적이고 우아하며 구체적이어야 함; 모호한 표현을 피합니다.
- 비인물 주체(풍경, 사물, 전장 등)인 경우, 주체 아래의 외형 특징 관련 필드는 실제 객체에 맞게 설명을 조정하며, 인물 필드를 억지로 적용하지 않습니다.
- 생성 또는 수정 완료 후 구조 검증을 실행합니다(플러그인 내에서는
ips_validate도구 사용, python 사용 금지; 독립 환경에서는<SKILL_ROOT>/scripts/validate_prompt.py사용 가능).
경로 A: 새 프롬프트 생성
<SKILL_ROOT>/references/system-prompts.md의SYSTEM_PROMPT전문을 읽어 이번 생성의 시스템 명령으로 엄격히 준수합니다.- 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).
- 사용자에게 참조 이미지가 없는 경우, 자연어 설명을 직접 사용하여 생성합니다.
- 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). - 출력 전 검증을 통해 구조가 올바른지 확인한 후 JSON을 사용자에게 전달합니다(
.json파일로 저장하거나 직접 표시). - 스타일 기준이 필요한 경우
ips_presets(action=get)을 사용하여 가장 근접한 프리셋을 가져와 필드를 수정합니다. - 「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
<SKILL_ROOT>/references/system-prompts.md의MODIFY_SYSTEM_PROMPT전문을 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.
- 수정된 전체 JSON을 출력합니다(diff나 일부가 아닌 전체).
- 동일하게 구조 검증을 한 번 더 수행합니다.
- 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 디렉토리README.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 때ips_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.
- 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. - 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_generate의referenceImages매개변수에 로컬 경로 또는 http URL을 전달하면 됩니다(GPT-Image는 자동으로reference_image_urls, Nano Banana는 자동으로image_urls를 사용하므로 매개변수 이름을 기억할 필요 없음). 참조 이미지 없이 순수 텍스트로 이미지를 생성하는 경우에만 생략할 수 있습니다. - 모델 선택:
- GPT-Image 경로(기본값):
apiz/gpt-image-2.5-flare, 품질 기본값은low(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.
- GPT-Image 경로(기본값):
- 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. - 이미지 생성 완료 후 결과물 경로와 사용된 프롬프트를 함께 사용자에게 표시; 플러그인은 자동으로 기록을 생성 히스토리에 저장(패널에서 확인 가능).
- 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)와MODIFY_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--partial추가; 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).