fralapo/image-gen-prompts

Engenharia de Prompt de Geração de Imagens — Universal

Skill genérica de engenharia de prompt para qualquer modelo moderno de geração / edição de imagens. Funciona de forma agnóstica ao modelo por padrão; alterna para orientação específica quando o usuário nomeia um modelo.

Prompts fortes compartilham a mesma anatomia entre os modelos — assunto, ambiente, iluminação, câmera/lente, estilo, formato e (para edições) o que preservar. O que difere é a superfície de sintaxe: Midjourney usa --flags, GPT Image 2 prefere JSON estruturado, GPT Image 2.5 recompensa referências com papéis atribuídos e listas de bloqueio, Nano Banana interpreta linguagem natural para endereçar imagens de referência, SDXL usa blocos de tokens ponderados mais prompts negativos, FLUX recompensa densidade de prosa, Ideogram é o mais forte em tipografia.

Quando Usar Esta Skill

• O usuário pede para escrever ou melhorar um prompt de imagem para qualquer modelo
• O usuário deseja editar uma imagem enviada (troca de roupa, alteração de fundo, reformulação preservando o rosto, adição/remoção de objetos, inpainting)
• O usuário solicita retratos com identidade preservada, integração de celebridades, sequências de envelhecimento, fotos de grupo com múltiplos personagens
• O usuário deseja um layout bento/infográfico, diorama isométrico, pôster de produto em vista explodida, capa de revista, painel de quadrinhos, grade de storyboard, imagem principal de e-commerce, thumbnail do YouTube
• O usuário precisa de prompts específicos de estilo: cinematográfico, Kodak Portra, anime, 3D chibi, pixel art, moldura barroca, ukiyo-e, design suíço, cyberpunk, RAW iPhone, point-and-shoot dos anos 90, flash direto 35mm
• O usuário menciona "preservar rosto", "mesmo rosto 100%", "mudar apenas o fundo", "manter pose", "multi-visualização", "caixa de action figure", "vista explodida"
• O usuário deseja prompts compatíveis com Raycast com placeholders {argument name="..." default="..."}
• O usuário nomeia explicitamente um modelo (Midjourney, MJ, SDXL, FLUX, GPT Image 2 / 2.5, Nano Banana, etc.)

Roteamento de Modelos

Sempre que o usuário nomear um modelo em sua consulta, leia o arquivo correspondente em references/models/ para obter a superfície de sintaxe e peculiaridades, e então sobreponha-o à anatomia universal abaixo.

Palavras-chave de gatilho (qualquer)	Leia
nano banana, nano-banana, gemini 2.5 flash image, gemini image, nano banana pro, 纳米香蕉	references/models/nano-banana.md
gpt image 2.5, gpt-image-2.5, image 2.5, chatgpt images 2.5, flare, sunburst, gpt-image-2.5-flare, gpt-image-2.5-sunburst	references/models/gpt-image-2-5.md (+ gpt-image-2.md para gramática compartilhada)
gpt image 2, gpt-image-2, duct-tape, gpt image 2 prompts	references/models/gpt-image-2.md
gpt image 1, gpt-image-1, dall-e 3, dall·e 3, dalle 3	references/models/gpt-image-1.md
midjourney, mj, --ar, --stylize, --sref, --cref, niji, --niji	references/models/midjourney.md
stable diffusion, sd 1.5, sdxl, sd 3, sd3, sd3.5, comfyui, automatic1111, forge	references/models/stable-diffusion.md
flux, flux.1, flux dev, flux schnell, flux pro, black forest labs	references/models/flux.md
imagen, imagen 3, imagen 4	references/models/imagen.md
ideogram, ideogram 2, ideogram 3	references/models/ideogram.md
recraft, recraft v3	references/models/recraft.md
seedream, seedream 4, seedream 5, doubao image, jimmeng, byteimage	references/models/seedream.md
nenhum modelo nomeado	padrão para padrão universal agnóstico a modelo; pergunte ao usuário qual modelo

Sempre comece com references/models/_index.md se precisar escanear todas as rotas de uma vez.

Dois Níveis de Capacidade (geral)

Capacidade	Nível "Padrão"	Nível "Pro"
Retratos fotorrealistas	✅	✅ (pele/poros mais nítidos)
Fusão de múltiplas imagens	⚠️ 2–3 refs	✅ 5+ refs
Renderização de texto na imagem	Apenas rótulos curtos	Citações longas, multilinha, CJK
Layouts bento/infográficos	Grades simples	8+ módulos com campos de dados
Cenas densas com multidões	Deriva além de 4–5 rostos	Mantém identidade entre muitos
Prompts estruturados JSON/YAML	Análise parcial	Análise confiável
Regras condicionais complexas	Fraca	Forte

O mapeamento por modelo de "Padrão" vs "Pro" está documentado em cada references/models/<nome>.md. Exemplos:

• Nano Banana = Padrão; Nano Banana Pro / Nano Banana 2 = Pro
• GPT Image 1 / DALL·E 3 = Padrão; GPT Image 1.5 = Padrão+; GPT Image 2 = Pro; GPT Image 2.5 Flare = Pro, Sunburst = Pro+ (edições de precisão, cópia exata densa)
• Midjourney v6 = Padrão; v7 = Pro
• SD 1.5 = Padrão; SDXL / SD3 / SD3.5 = Pro
• FLUX.1 [schnell] = Padrão; FLUX.1 [dev] / [pro] = Pro
• Seedream 4.0 / 4.5 = Padrão; Seedream 5.0 = Pro

Regra prática: usar nível Pro por padrão para infográficos, pôsteres com manchetes, cenas com múltiplos personagens, prompts estruturados JSON/YAML e texto CJK. O nível Padrão é suficiente para edições de assunto único e prompts curtos.

Anatomia Universal de Prompt

Todo prompt forte empilha estes blocos. A ordem é flexível; os rótulos são opcionais quando o contexto é claro.

[Assunto]         quem/o quê — tratamento de referência ("manter rosto 100%")
[Ação/Pose]       o que estão fazendo, orientação do corpo
[Vestuário]       roupas, acessórios, materiais, cor
[Ambiente]        local, adereços, chão, parede de fundo
[Iluminação]      luz principal/preenchimento/recorte, hora do dia, qualidade (dura/suave), temperatura de cor
[Câmera/Lente]    85mm f/1.4, drone de cima para baixo, ortográfica, nível dos olhos
[Ref. de estilo]  filme (Kodak Portra 400), diretor, época (anos 2000), motor de renderização
[Formato]         proporção (1:1, 16:9, 9:16), resolução (1080x1080, 8K)
[Preservar]       (modo de edição) o que NÃO deve mudar
[Negativo]        anti-artefatos: "sem texto", "sem segundo objeto", "sem distorção"

Template mínimo viável — geração

Um/uma {estilo/mídia} de {assunto} {ação} em {ambiente}.
{Vestuário + adereços}.
Iluminação: {principal + recorte + clima}. Câmera: {lente, ângulo}.
{Proporção}, {resolução}. {Ref. de estilo}.

Template mínimo viável — edição de imagem

{Verbo de edição} a {região alvo} da imagem anexada:
{alteração específica}.
Preservar: rosto/identidade, pose, roupa, iluminação de fundo — zero alteração.
Modificar apenas: {região explícita}.
Corresponder à {lógica de iluminação / gradação de cor / perspectiva} original.

Entradas de Referência (por modelo)

Como endereçar uma imagem de referência enviada varia. O padrão universal funciona na maioria dos modelos de linguagem natural; modelos baseados em flags precisam de sintaxe explícita.

Família de modelo	Redação
Nano Banana / Gemini	"a pessoa na imagem enviada", "mesmo rosto 100% da referência" — linguagem natural
GPT Image 2	"Com base neste personagem", "Usando este retrato", "Envie uma imagem de origem" — linguagem natural
GPT Image 2.5	"Imagem 1 = produto (forma, rótulo); Imagem 2 = apenas luz/cor; Imagem 3 = apenas layout" + uma prioridade de conflito; diga o que cada ref NÃO deve contribuir
Midjourney	--cref <url> para referência de personagem, --sref <url> para referência de estilo, --cw 100 peso
Stable Diffusion / FLUX	IP-Adapter / ControlNet no nível do fluxo de trabalho, não no texto do prompt
Imagen / Ideogram / Recraft	Payload referenceImages no nível da API; o texto do prompt faz referência via "a referência fornecida"

Para sintaxe exata, veja o arquivo correspondente em references/models/.

Catálogo de Categorias

Templates e exemplos detalhados vivem em references/.

• references/patterns.md — vocabulário universal: iluminação, câmera, proporções, tags de estilo, expressões de composição, regras de objeto único, fusão de múltiplas referências, vocabulário de prompt negativo
• references/templates.md — templates preenchíveis para mais de 18 categorias comuns (retrato, produto, pôster, diorama, infográfico, grade de quadrinhos, vista explodida, herói de e-commerce, thumbnail do YouTube, ficha de personagem, storyboard, etc.)
• references/identity-preservation.md — frases de trava de rosto, modos de falha, correções, tratamento de múltiplas pessoas, preservação de rosto em estilos mistos, sequências de envelhecimento
• references/structured-prompts.md — formatos JSON / YAML / XML e quais modelos os analisam de forma confiável
• references/text-rendering.md — colocar manchetes legíveis, citações, CJK na imagem, limites de nível por modelo
• references/editing-workflow.md — edição não destrutiva, inpainting, fusão de múltiplas imagens, antes/depois, consistência de personagem entre painéis
• references/examples.md — prompts funcionais selecionados por categoria, atribuídos, com o modelo que produziu cada um
• references/workflows.md — padrões de conversa de Geração Direta, Ilustração de Conteúdo (artigo/vídeo → imagem) e Remix/Personalização
• references/external-corpora.md — ponteiros para bibliotecas públicas de prompts (YouMind 12k+, EvoLink ~3k, listas Awesome) quando o usuário deseja prompts comprovados em vez de composição nova
• references/models/ — peculiaridades por modelo, superfície de sintaxe, parâmetros, antipadrões (gpt-image-2-5.md adiciona escolha Flare/Sunburst, regras de tamanho/qualidade da API, 10 padrões, 12 templates, falhas conhecidas, lista de verificação de revisão)

Regras Rápidas (agnóstico a modelo)

1. Parágrafo + linhas de restrição vence sopa de tags para modelos de linguagem natural (Nano Banana, GPT Image 2 / 2.5, FLUX, Imagen). Para Midjourney e SDXL, blocos densos de tags separadas por vírgula mais flags ainda funcionam.
2. Especifique a proporção explicitamente — 1080x1080, 16:9, 9:16, ou --ar 9:16 para Midjourney. Não confie nos padrões.
3. Âncora de identidade em cada edição. "Mesmo rosto 100% da referência", "manter características faciais exatamente consistentes", "não mudar o rosto".
4. Edições não destrutivas precisam de uma lista de permissão. Nomeie o que muda E o que é preservado — a maioria dos modelos, caso contrário, deriva no vestuário/pose.
5. Lente + iluminação = fotorrealismo. 85mm f/1.4, Kodak Portra 400, iluminação de três pontos, luz de recorte da hora dourada, flash direto duro na câmera têm peso real em todos os modelos.
6. Restrições de objeto único devem ser repetidas. Se você deseja exatamente um objeto, escreva um bloco explícito de objeto único rigoroso (veja references/patterns.md#single-object-rule).
7. Texto na imagem = cite-o exatamente. Coloque strings exatas entre aspas duplas: fonte serifada lendo "Stay Hungry, Stay Foolish". Para CJK, prefira modelos de nível Pro.
8. Use [PLACEHOLDERS] (colchetes, maiúsculas) para templates reutilizáveis. Use {argument name="x" default="y"} para snippets do Raycast — suportado como placeholder literal por Nano Banana, GPT Image 2 / 2.5 e qualquer modelo de linguagem natural.
9. Para layouts bento/infográficos, enumere módulos (M1…M8) com tipo de conteúdo por célula — favorece fortemente modelos de nível Pro.
10. Negativos vão no final como uma lista NEGATIVO: ou marcadores NÃO: — exceto SDXL/Midjourney onde negativos têm sintaxe dedicada (--no para MJ, entrada de prompt negativo dedicada para SD).
11. Para aparência natural / não IA: solicite explicitamente "textura natural da pele, fios de cabelo soltos, ligeira assimetria, sem retoque de glamour, sem filtro de beleza, sem estética de IA excessivamente polida". GPT Image 2 / 2.5 e Nano Banana Pro respeitam isso.
12. Uma alteração por turno de edição + uma lista de bloqueio. Nomeie a única alteração, enumere o que permanece, permita apenas os efeitos colaterais fisicamente necessários (sombras de contato, reflexos). Ramifique variantes de um mestre salvo. A preservação é visual, não idêntica em pixels — componha quando os pixels devem corresponder.
13. Revise cada saída contra uma verificação concreta — texto em tamanho real e tamanho de telefone, contagens de objetos/pessoas, identidade antes do estilo, geometria do produto, escopo da edição, alfa decodificado.
14. Para consistência entre imagens (mesmo personagem em N painéis): descreva o personagem uma vez em detalhes, depois faça referência como "o mesmo personagem do painel 1" — funciona no GPT Image 2 / 2.5 e Nano Banana Pro; mais fraco em outros.

Antipadrões

• Prompts de salada de tags em modelos de linguagem natural (retrato, 8k, obra-prima, bonito, altamente detalhado) — têm desempenho inferior ao parágrafo estruturado
• Pedir "fotorrealista" sem lente/iluminação — produz renderização genérica
• Editar sem cláusula de preservação — o modelo muta rosto/pose
• Múltiplas proporções conflitantes em um prompt — uma vence, imprevisivelmente
• Troca de rosto com apenas descrição facial (sem imagem de referência) — baixa fidelidade
• Empacotar > 10 assuntos nomeados em um prompt — deriva de identidade além de ~5 no nível Padrão, além de ~8 no Pro
• Incorporar texto exato > 15 palavras em modelos de nível Padrão — quebra de ortografia
• Misturar --flags do Midjourney em um prompt Nano Banana / GPT Image / FLUX — flags são analisadas como texto literal e poluem a saída
• Padrões "IA polida" ao buscar estilo de vida casual — vetar explicitamente retoque de glamour
• Esperar que um modelo de imagem exporte GIF, ZIP, vetor ou HTML — gere a folha, depois divida/monte com código (veja models/gpt-image-2-5.md Padrão 6)
• Confiar em "sem texto / APENAS este texto / sem marca d'água" sem verificar — negativos são honrados apenas parte do tempo
• Forçar JSON em um prompt minúsculo — {"subject":"red apple"} é pior que Uma maçã vermelha em uma mesa branca, iluminação de estúdio, 1:1.

Modos de Conversa

Quatro pontos de entrada distintos tratados em references/workflows.md:

• Geração Direta — o usuário descreve uma imagem; você compõe um prompt a partir da anatomia + template + arquivo por modelo.
• Ilustração de Conteúdo — o usuário cola artigo / roteiro de vídeo / notas de podcast; você analisa tema + tom, combina com um template e passa para Remix.
• Inspiração → Prompt (reconstrução) — o usuário compartilha uma imagem de que gosta; você escreve um novo briefing a partir do que é visível e lista as incógnitas (referências, turnos anteriores, edições) em vez de fingir que recuperou o prompt original.
• Remix / Personalização — depois que um template é escolhido, faça apenas as perguntas de personalização relevantes (gênero, idade, cenário, clima, profissão) e remixe o template com o conteúdo do usuário.

Se o usuário quiser apenas prompts comprovados e atestados por imagem em vez de um composto recentemente, aponte-o para os corpus pesquisáveis em references/external-corpora.md (mais de 12.000 prompts no YouMind, ~3.000 casos GPT Image 2 no EvoLink, ~250 casos GPT Image 2.5 em wangrunlin / LaplaceYoung / VulcanEon, além de índices navegáveis da lista Awesome).

Fluxo de Trabalho

1. Pergunte ao usuário — gerar do zero, editar uma imagem existente, ilustrar conteúdo, reconstruir um prompt de uma imagem de inspiração ou navegar

… [truncado para tradução]