Aprimorador de Prompt MOSS-Image
Transforme a ideia do usuário em uma descrição concreta de imagem. Destinado a agentes da família GPT-6 com ferramentas de sistema de arquivos e shell. O agente toma decisões criativas; a ferramenta Python acompanhante lida com aritmética de coordenadas e serialização. Nenhum serviço Echidna, API de modelo ou dependência Python de terceiros é necessária.
Escolha o entregável
Atenda a um pedido explícito por uma legenda ou Layout. Caso contrário, use uma legenda para cenas comuns, fotografias e ilustrações. Use Layout quando o posicionamento específico de texto, um pôster, vários painéis ou relações controladas entre objetos se beneficiarem de caixas delimitadoras. Uma imagem detalhada não precisa automaticamente de Layout.
Preserve os sujeitos, contagens, relacionamentos, meio, estilo, exclusões e texto visível pretendido do usuário. Resolva lacunas criativas comuns você mesmo; pergunte apenas quando uma decisão ausente alterar materialmente a imagem solicitada. Não invente logística de eventos factuais ou especificações como se o usuário as tivesse fornecido.
Use o inglês como padrão para prosa descritiva, seguindo um idioma de saída solicitado quando fornecido. Preserve o texto visível literalmente em seu idioma original, incluindo pontuação, capitalização e quebras de linha solicitadas. Uma frase entre aspas em uma instrução não é necessariamente texto para renderizar: distinga texto visível de material de referência e restrições.
Desenvolva a imagem
Descreva escolhas visíveis: sujeito e ação, aparência relevante, cenário, câmera/enquadramento, meio, iluminação, materiais, paleta e clima. Adicione detalhes onde eles tornam a imagem solicitada mais específica. Evite tags de qualidade redundantes, mudanças de estilo não solicitadas, orçamentos de palavras arbitrários e notas de processo invisíveis. Mantenha um briefing minimalista explícito minimalista; desenvolva um briefing rico sem transformá-lo em um modelo genérico de título/herói/rodapé. Mantenha explicações de JSON, anotações de caixa delimitadora e etapas de conversão fora dos campos de descrição da imagem; essas são instruções da ferramenta, não conteúdo representado.
Para imagens projetadas, componha a informação e a imagem juntas. Estabeleça ordem de leitura, proeminência relativa, grupos coerentes e texto legível nos pixels escolhidos. Escreva o texto pretendido em vez de placeholders como "manchete aqui" ou "algum texto explicativo". Não importe nomes, marcas d'água ou cópias não relacionados de uma referência. Use referências fornecidas quando útil; pesquisa externa é opcional, a menos que necessária para precisão factual ou solicitada pelo usuário.
Legenda
Escreva um arquivo JSON UTF-8 contendo exatamente {"caption":"..."}. A legenda é prosa coesa, com relações espaciais em palavras e qualquer texto visível citado exatamente. Pode conter parágrafos; não adicione coordenadas ou campos de layout JSON a uma legenda apenas para parecer estruturada.
Layout
Leia rascunhos/layout.md antes de escrever um rascunho de Layout.
Escreva JSON legível com summary, um array items plano, width e height concretos, bbox_coord_space="abs" e bbox_format="xyxy".
Caixas de rascunho usam [x_min,y_min,x_max,y_max] em pixels reais, a partir do canto superior esquerdo da tela. Mantenha x em 0..width e y em 0..height. Não use coordenadas normalizadas nem centralize, reordene ou quantize as caixas manualmente.
Respeite as dimensões fornecidas. Com apenas uma proporção de aspecto, escolha dimensões de pixel compatíveis; sem nenhuma delas, use 1024×1024, a menos que o meio solicitado sugira outra forma. As dimensões MOSS-Image devem ser múltiplos positivos de 16. Não altere silenciosamente dimensões explícitas que são incompatíveis; traga o conflito à tona. Use a mesma largura e altura no fluxo de trabalho de geração de imagem.
Use caixas para unidades visíveis coerentes, dividindo apenas quando o posicionamento independente for importante. O agrupamento deve preservar o conteúdo e os relacionamentos, não apagá-los. Oclusão e sobreposição naturais são permitidas. Uma caixa é uma anotação de posicionamento, não uma instrução para desenhar uma borda, painel ou adesivo. Descreva a aparência nas legendas e o tratamento global em summary.caption; deixe as caixas concordarem com quaisquer descrições espaciais. Mantenha strings visíveis exatas nos campos text dos itens de texto.
Compilar e entregar
Salve o rascunho em um diretório de trabalho apropriado para o usuário e, em seguida, execute a ferramenta incluída ao lado deste SKILL.md. Resolva o caminho do script a partir da localização da skill, não do diretório de trabalho do usuário:
python3 /caminho/para/moss-image-prompt-enhancer/scripts/compile_prompt.py \
rascunho.json --output prompt.txt
Use um caminho real na invocação. Mantenha o rascunho JSON editável e a saída compilada separados. Leia o resultado e verifique o assunto, o texto exato, a geometria pretendida e a tela escolhida antes de entregar. Corrija erros de validação no rascunho e execute novamente; não ignore uma conversão com falha escrevendo JSON centralizado manualmente.
Para legendas, a saída é texto simples. Para Layout, é uma linha física de JSON com items planos, caixas abs_centralized / yxyx inteiras e nenhum metadado de tela. A ferramenta arredonda arestas de pixels fracionários antes de subtrair o centro, correspondendo à conversão de geração do Echidna. Ela rejeita caixas inválidas ou fora dos limites em vez de cortá-las silenciosamente. As quebras de linha de string são escapadas no JSON, enquanto permanecem quebras de linha reais no texto decodificado.
Retorne o prompt pronto para colar ou um link para seu arquivo, e mantenha um link para o rascunho quando útil para edição. Para Layout, informe também a largura×altura necessária fora do prompt; o prompt do modelo em si não contém essas dimensões. Se for exibir Layout JSON em linha, use a saída compilada sem reformatá-la. Apenas a legenda ou o Layout compilado pertence ao prompt positivo do MOSS-Image. Criar esses arquivos não envia geração de imagem nem publica nada.