CommunityImagemgithub.com

Image Prompt Studio

Geração e modificação estruturada de prompts JSON para AI de pintura (fluxo de trabalho de arte por IA). Útil quando o usuário precisa gerar prompts JSON completos a partir de uma descrição, fazer modificações mínimas precisas, inferir prompts a partir de imagens de referência, criar ilustrações de personagens no estilo anime, ou conectar os prompts ao Nano Banana / GPT-Image via apiz. Inclui especificações de campos, prompts de sistema para geração/modificação, biblioteca de opções, 9 conjuntos de exemplos predefinidos e manual de parâmetros do apiz.

O que é Image Prompt Studio?

Image Prompt Studio é uma skill de agente de IA que sistematiza a engenharia de prompts do projeto Nano Banana Prompt Studio, convertendo-a em uma habilidade reutilizável. Seu núcleo é o uso de JSON estruturado para controlar a geração de imagens por IA, permitindo personalização precisa, modularidade e consistência em séries de obras. A skill suporta quatro fluxos principais: geração de novos prompts, modificação mínima, inferência de prompts a partir de imagens de referência e execução da geração de imagens. É compatível com dois modelos de família: Nano Banana e GPT-Image. A skill inclui regras de saída rigorosas, como a proibição de blocos de código markdown e a exigência de preenchimento completo dos campos JSON. Ela fornece ferramentas integradas para validação estrutural e comparação entre versões de prompts, além de oferecer 9 conjuntos de estilos predefinidos e uma vasta biblioteca de opções. O fluxo de trabalho é guiado por prompts de sistema que seguem os princípios de modificação mínima e precisão. A execução da geração de imagens utiliza a plataforma apiz para conectar-se aos modelos, suportando imagens de referência e parâmetros de qualidade.

Funciona com~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 Imagem skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Image Prompt Studio Skill

Visão Geral

Transforma o conhecimento de engenharia de prompts do projeto "Nano Banana Prompt Studio" em uma skill reutilizável: usa JSON estruturado (em vez de longos blocos de linguagem natural) para controlar a geração de imagens por IA, permitindo personalização precisa, reutilização modular e consistência entre obras de uma série. Esta skill cobre quatro caminhos principais: geração de novos prompts, modificação mínima, inferência a partir de imagens de referência e geração de imagem. Os prompts JSON gerados são compatíveis com ambas as famílias de modelos Nano Banana e GPT-Image.

Árvore de Decisão do Fluxo de Trabalho

Selecione a entrada com base na intenção do usuário:

Intenção do UsuárioEntrada
Descrever uma cena desejada / Solicitar um novo promptCaminho A: Gerar
Fornecer um JSON existente e dizer "mude X / troque por Y"Caminho B: Modificação Mínima
Fornecer uma imagem de referência para imitar / reverter engenharia do promptCaminho A + Análise da Imagem de Referência
Prompt pronto, deseja gerar a imagemCaminho C: Executar Geração

Regras Centrais de Saída (Comuns a Todos os Caminhos)

  1. Apenas saída JSON: Proibido envolver em blocos de código markdown (sem ```json), proibido qualquer texto explicativo.
  2. Estrutura completa: Todos os campos devem ser preenchidos, sem omissões ou campos vazios.
  3. Requisitos de redação: Deve ser visual, profissional, elegante e específico; evitar termos vagos.
  4. Para sujeitos não humanos (paisagens, objetos, campos de batalha, etc.), ajuste as descrições dos campos de características físicas do sujeito de acordo com o objeto real, sem forçar o uso de campos de personagem.
  5. Após a geração ou modificação, execute a validação estrutural (no plugin use a ferramenta ips_validate, não o Python; em ambiente independente use <SKILL_ROOT>/scripts/validate_prompt.py).

Caminho A: Gerar Novo Prompt

  1. Leia o conteúdo completo de SYSTEM_PROMPT em <SKILL_ROOT>/references/system-prompts.md e execute-o rigorosamente como instrução do sistema para esta geração.
  2. Se o usuário fornecer uma imagem de referência: O agente em tempo de execução deve analisar a imagem diretamente – use sua própria capacidade de visão multimodal para abrir o arquivo de imagem e extrair características nas quatro dimensões exigidas pelo SYSTEM_PROMPT (características do personagem, ambiente da cena, estilo da imagem, composição e ângulo da câmera). Em seguida, combine com a descrição textual do usuário para gerar o prompt. Não chame APIs de modelos de visão externas; a análise é feita pelo próprio agente. Anote o caminho do arquivo da imagem de referência: no Caminho C, ao gerar a imagem, ela deve ser passada como referência de estilo (veja o Passo 2 do Caminho C).
  3. Se o usuário não tiver imagem de referência, gere diretamente com base em sua descrição em linguagem natural.
  4. As especificações de preenchimento de campos e as técnicas de redação para cada campo estão em <SKILL_ROOT>/references/prompt-schema.md; é possível selecionar ou combinar termos de alta qualidade da biblioteca de opções em <SKILL_ROOT>/references/options-library.md (a biblioteca é um material de apoio, não uma restrição; sinta-se à vontade para criar conforme a necessidade da cena).
  5. Antes de sair, use a validação para confirmar que a estrutura está correta e, em seguida, entregue o JSON ao usuário (salve como arquivo .json ou exiba diretamente).
  6. Quando precisar de uma base de estilo, use ips_presets (action=get) para obter o preset mais próximo e reescreva os campos.
  7. Para a análise iniciada no Passo 1 do "Painel de Geração", a conclusão deve chamar ips_style (action=set) para escrever o JSON de estilo juntamente com o caminho da imagem de referência de volta ao painel – o usuário estará esperando para selecionar este estilo para gerar a imagem no Passo 2.

Caminho B: Modificação Mínima de Prompt Existente

  1. Leia o conteúdo completo de MODIFY_SYSTEM_PROMPT em <SKILL_ROOT>/references/system-prompts.md e execute rigorosamente o princípio de "Modificação Mínima":
    • Precisão Cirúrgica: Modifique apenas os campos que o usuário explicitamente solicitou ou que logicamente devem ser alterados em conjunto (verão → inverno: camiseta → casaco é obrigatório, cor do cabelo/composição absolutamente não podem ser alterados).
    • Congelamento Completo: Campos não tocados devem ser idênticos, palavra por palavra, ao JSON original. Sinônimos, paráfrases ou otimizações de formato são proibidos.
    • Proibido Divergir: Não "corrija" nenhum parâmetro que o usuário não mencionou.
  2. Saída do JSON completo após a modificação (não um diff, não um fragmento).
  3. Execute a validação estrutural da mesma forma.
  4. Auto-verificação do grau de congelamento (obrigatório): Chame ips_diff (before=JSON original, after=JSON modificado). A ferramenta achata os campos folha e compara programaticamente, retornando uma lista de alterações, lista de congelamentos e taxa de congelamento. Você deve julgar se as alterações estão dentro dos nós cobertos pela intenção do usuário – alterações fora da intenção indicam que a modificação divergiu; refaça. Consulte o README.md no diretório raiz do plugin para referência prática de medição (11 alterações em 26 campos folha, 15 congelados palavra por palavra); os JSONs de exemplo não são distribuídos com o pacote. Quando precisar de uma base de estilo, use ips_presets (action=get) para obter os presets internos.

Caminho C: Executar Geração de Imagem

Após o prompt JSON estar pronto, gere a imagem. O mesmo JSON é compatível com ambas as famílias de modelos Nano Banana e GPT-Image, escolha a rota de acordo com a preferência do usuário ou necessidade da cena.

  1. Montar o prompt: Use o texto JSON original (JSON.stringify(data, null, 2) com chinês intacto) como texto do prompt; se o usuário tiver solicitações extras, anexe-as no formato "\n\nSolicitação Especial: <solicitação>" após o JSON.
  2. Incluir imagem de referência (regra rígida): Se este prompt foi derivado da análise/modificação de uma imagem de referência, é obrigatório passar a imagem original como referência de estilo ao gerar a imagem – descartar a imagem original após a análise é um bug verificado em testes, resultando em grande degradação na fidelidade do estilo. Use o parâmetro referenceImages da ferramenta do plugin ips_generate para passar o caminho local ou URL HTTP (GPT-Image usa automaticamente reference_image_urls, Nano Banana usa automaticamente image_urls; não é necessário decorar nomes de parâmetros). A omissão é permitida apenas para geração de texto puro, sem imagem de referência.
  3. Selecionar modelo:
    • Rota GPT-Image (padrão): apiz/gpt-image-2.5-flare, qualidade padrão low (10 créditos/imagem, aproximadamente 0,1 yuan).
    • Rota Nano Banana: service-inference/gemini-nano-banana-2.1, mesmo endpoint para geração de texto para imagem e edição com imagem de referência, suporta até 14 imagens de referência.
    • Detalhes dos parâmetros e tabela completa de modelos em <SKILL_ROOT>/references/image-generation.md.
  4. Execução: Priorize a ferramenta do plugin ips_generate (mesmo mecanismo usado pelo "Painel de Prompts" do painel); se o plugin não estiver configurado com apizApiKey e o CLI não estiver logado, ocorrerá um erro. Nesse caso, use o apiz CLI como fallback:
    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-ratio segue a imagem original ou solicitação do usuário (vertical 3:4 / horizontal 16:9 / quadrado 1:1, etc.); a geração leva de 2 a 9 minutos. O --wait do CLI bloqueia até a conclusão; para cenários com alto risco de timeout, use execução em segundo plano. Não reexecute em caso de timeout de polling (cobrança duplicada), em vez disso, use apiz tasks wait <task_id> --json para retomar.
  5. Após a conclusão da geração, exiba o caminho da imagem resultante juntamente com o prompt usado para o usuário; o plugin registrará automaticamente o histórico no painel.
  6. Se o saldo for desconhecido antes de gerar, primeiro confirme com apiz account balance; créditos insuficientes resultarão em erro HTTP 429 de todos os modelos.

Predefinições e Exemplos

  • Use ips_presets (action=list) para visualizar os 9 conjuntos de presets internos (estilo Chibi, Três Reinos, Dinastia Song, mangá lineart, mangá satírico, série de campo estelar do Festival do Meio do Outono, etc.), cobrindo cenários típicos como ilustrações de personagens, ambientes e estilizações.
  • Ao gerar prompts, você pode ler o conjunto mais próximo da necessidade do usuário como base de estilo e, em seguida, substituir os campos correspondentes de acordo com a descrição do usuário.
  • Quando o usuário disser "salvar como preset", use ips_presets (action=save) para gravar o JSON atual na biblioteca de presets do usuário e nomeá-lo.

Recursos

references/

  • prompt-schema.md — Especificações dos campos JSON: significado de cada campo, técnicas de preenchimento, regras de ajuste para sujeitos não humanos, campos negativos opcionais e explicação de compatibilidade com as duas famílias de modelos. Leitura obrigatória antes de gerar.
  • system-prompts.md — Conteúdo completo de SYSTEM_PROMPT (geração) e MODIFY_SYSTEM_PROMPT (modificação), com instruções de execução para o agente em tempo de execução. Siga exatamente ao executar o Caminho A/B.
  • options-library.md — Biblioteca completa de opções de menu suspenso (modos de estilo, atmosfera da cena, ângulo da câmera, composição, lente, iluminação, clima, vestuário, cores, etc.), incluindo prompts especiais para lineart de personagens. Banco de materiais para seleção de palavras.
  • image-generation.md — Manual de operação de geração de imagem: modelos de comando, tabela de parâmetros para modelos duplos Nano Banana e GPT-Image, métodos de envio de imagem de referência, níveis de qualidade e preços, verificação de saldo e armadilhas conhecidas.

assets/

  • presets/*.json — 9 conjuntos de exemplos predefinidos, que podem ser carregados diretamente, modificados ou usados como base de estilo.

scripts/ (para ambiente independente; no plugin, use as ferramentas ips_validate / ips_diff)

  • validate_prompt.py — Validador estrutural. Uso: python validate_prompt.py <prompt.json>; use --partial para estruturas parciais; lista campos ausentes individualmente, código de saída diferente de 0.

Origem

Esta skill é destilada do projeto local D:/nano-b/nano-banana-prompt-studio (Nano Banana Prompt Studio com frontend PyQt6 + backend Flask). Quando precisar de um cliente GUI, serviço web ou capacidade de empacotamento PyInstaller, use o código-fonte do projeto diretamente; esta skill carrega apenas seu conhecimento de engenharia de prompts e não depende da execução do projeto. O canal de geração de imagem é unificado via apiz (a partir de 2026-10-14, substituindo o Gemini SDK / conexão direta 302 do projeto original).

Habilidades Relacionadas