image-riff — 借用视觉语言创作原创艺术是做什么的？

引擎、其 API 密钥、参数和注意事项都在 make-art 技能中。请先阅读那个技能。本技能是方法：如何将参考图像转化为一组真正的选项，以及如何将它们落地到实际所需的表面上。

完成不是四张漂亮的图片。完成是：生成了 N 个稿件，查看了每一帧，通过诚实的评判进行排名，裁剪出目标所需的区域，并将工作落地到下面的源文件夹中。一个在“这里有四张图片”处停止的运行，是把最后两项工作交给了用户。

工作的存放位置

art/<源作品名>/  
  README.md                 包含日期的标题、设计简报、排名 -> 图像表格，以及选中作品的原因
  1-<作品名>.jpg ...         最终作品，全分辨率原稿，按排名编号
  upload-1024/               实际尺寸的交付物，当表面需要特定尺寸时
  small-size-test.png        证明文件，当尺寸上的可读性决定了选择时
  prompts/                  最终作品的提示词（严格按发送时保存）
  candidates/<轮次>/         落选的轮次，每个轮次包含自己的 prompts/

<源作品名> 是作品的主体内容，而非日期。如果同级的文件夹已经存在，请遵循它们的命名惯例。

README 不是可选的。 文件夹会在数周后被重新审阅。没有它，一个编号的 JPEG 文件夹无法说明哪个作品被使用了，哪个被拒绝了，以及原因。
保留落选的轮次。 candidates/ 是存放可复用知识的地方。
保留提示词原文。 它们是再现指令和来源证明。
按排名给最终作品编号，而非按生成顺序。 文件名是对话结束后排名唯一留存的地方。
除非用户要求，否则不要将生成的艺术作品混入个人照片库；它会与真实照片混淆。

问两个问题，然后再开始花钱

每张 4K 图像大约花费 $0.24，一个四件套大约需要 $1：便宜到只需要问两个问题作为全部门槛，也贵到不问问题就是浪费。两个问题的答案每件作品都不同，因此不能推断得出：

它用于什么？ 决定宽高比，以及是否要为文字留出负空间。
与基础图的偏离程度？ 忠实还原 <-> 狂野演绎。

在主观轴上提问；在技术轴上自行决定。

提示词分三部分，只有一部分是变化的

在代码中构建它，每个主题一个文件：

STEM    （每件作品相同）  — 渲染语言，从图像中读取
SUBJECT （唯一的变量）          — 一段描述，一个构图
TAIL    （每件作品相同）  — 几何约束 + 负面约束

一个 STEM 模板，以动作而非单词表达：

严格将附加图像用作样式和色彩锚点。复现其确切的渲染语言：<时期 + 媒介>，<色彩的铺陈方式>，<线条行为>， <纹理 / 着色技巧>，<命名的颜料，最多 2-3 种，加上小的点缀色>， <光线的效果>。不要复制附加图像中的主题。创作一些新的内容。

SUBJECT：

以及 TAIL：

<宽高比> 构图，全出血，边缘到边缘。无边框，无画框，无纸张纹理，无白色边缘。无文字，无字母，无签名，无标志。

摄影基础图是更棘手的情况：在花费 4K 生成之前，先用 2K 探测。 “复现渲染语言，改变主题”在风格化的基础图（漫画面板、版画）上能可靠地产生艺术效果。对于照片，它可能完美执行但仍然令人失望。当基础图是照片时，问第三个问题—— 最终结果应该看起来像照片，还是像别的东西？ — 并在生成四张 4K 图像之前，先花费一两张 2K 图像进行测试。

当基础图是照片时，STEM 的槽位会变化，但其作用不变。 将标记制作的槽位替换为相机决定的六件事：<胶片类型 + 格式>，<阴影响应>， <光线的质量和角度>，<调色板，3-4 种命名的颜色加上一种点缀色>，<颗粒 / 光晕 / 暗角>，<它不是什么>。最后一个槽位最重要，因为引擎对任何摄影提示词的默认设置都是当代数码照片：说 无 HDR，无提升阴影，无数码清晰度，无电影感的青橙色调。像 “深沉的黑场，完全不保留阴影细节” 这样的表述可能是提示词中最关键的句子。

还要从基础图中读出其隐含的主题，而不仅仅是它的渲染效果（例如 一个私密的地方，从高处俯视，空无一人）。在写任何 SUBJECT 之前，用一句话命名它；将类似 no people visible anywhere in the frame 的不变量放入 TAIL。

为什么这样构建：

图像承载风格；STEM 仅命名可见的元素。 描述你看到的标记制作方式—— 可变粗细的硬黑轮廓线，可见的 ben-day 网点遮罩阴影，仅限喷枪机械混合，无摄影光照效果。命名技巧可以防止模型将其现代化。
“不要复制主题……创作一些新的内容”是关键的约束。 没有它，你只会得到基础图的变体。有了它，你就能在基础图的语言中创作出原创的构图，并且其中最好的作品会引用基础图而非重复它。
命名颜料，并限制点缀色。 针对点缀色明确说“小”，否则它会占据整个画面。
负面约束不是模板代码。 引擎会自动添加纸张/risograph 边框；在 TAIL 中添加四个负面约束不花任何成本。
相同的 STEM + TAIL 使整套作品具有可比性。 稿件之间的每一个差异都是你主动要求的。

主题必须是视角，而非装饰

这是最重要的创意决策。四个主题在相机位置上有所区别：

稿件	视角	示例
尖顶	沿垂直轴向上看	一座塔从云海中升起，向透视焦点收窄
残骸	平视空旷的平原	半埋的残骸，一个小身影正走向它
坠落	透过云层向下陡峭俯视	无数平面延伸至弯曲的地平线，一个身影正在坠落
曼荼罗	直视纯粹的图案，无地平线	对称的玫瑰花结，充满画面

稿件因其视角而交付：一个垂直柱状结构能承受信件横幅的裁剪；一个天空背景下的单一剪影能承受方形头像的裁剪。四个仅在装饰元素上不同的稿件，裁剪方式都一样——那只是四种服装下的同一种选择。一个稿件一个创意。

根据设计简报进行排名——然后说明每个 SURFACE 想要哪一个

两种独立的排序。根据基础图诚实排名，并指出偏离的那个稿件；然后为每个目标表面添加一行，说明该表面想要哪个稿件以及为什么裁切后它是合适的。你在保真度上排名最后的稿件可能是正确的横幅。低排名不是否决；它只是评估的一个维度。

裁剪输出。每个表面都有其几何形状。

交付适合目标尺寸的文件，而非源稿件尺寸。

YouTube 频道横幅 — 一个 16:9 的上传文件；YouTube 会根据不同设备提供不同的切片。

电视端 / 存储：2560x1441。
桌面端条状区域：2560x424，纵向中间约 29.4%（顶部 35.3% -> 底部 64.7%）。所有必须被看到的内容都在这个条带内。
一个高大的 9:16 稿件的高度大约是 16:9 裁剪所需的三倍：选择条带，不要默认接受中间部分。

频道头像 — 正方形，从 900x900 缩小到 88x88。以 88px 为准进行评估。

要读取频道实际提供的内容：

UA="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126 Safari/537.36"
curl -sL -A "$UA" "https://www.youtube.com/@<channel>" | grep -o '"banner".\{0,400\}'
# fcrop64 十六进制数是 0xffff 的四个 16 位分数：左、上、右、下
python3 -c "h='00005a57ffffa5a8'; print([round(int(h[i:i+4],16)/0xffff,4) for i in range(0,16,4)])"

对于其他表面，在裁剪之前测量实际提供的资源；不要依赖记忆中的规格表。

操作细节

粘贴的基础图不在磁盘上。 从会话记录的 base64 中提取它（make-art 中有提取代码片段），然后在花费 4K 生成错误图像之前先查看它。
并行生成稿件集，每个稿件一个 shell 调用。四张 4K 稿件大约在 2 分钟内完成。
--out foo.png 可能输出 JPEG。 检查打印的 MIME 类型并重命名。
在用户之前自己查看每一帧，并检测纸张边框，而不是凭肉眼判断：不对称的近白边缘是天空或云彩碰到了出血线，而不是画框。

当没有基础图像时

相同的三段式提示词可以在没有锚点的情况下工作：STEM 变成了你定义的一种内定风格。从用户自己的材料（如引言集合、情绪板）中给它一个主题锚点，这样它就不会变得泛泛。

图标和头像：小尺寸测试才是唯一的测试

排名可能在全尺寸和实际尺寸之间颠倒。在你有判断之前，先制作接触印相：缩小到真实渲染尺寸，像应用程序一样进行圆形裁剪，然后使用最近邻插值放大以查看哪些细节得以保留。

from PIL import Image, ImageDraw
for s in (110, 44, 32):                      # IG：个人资料 / DM 行 / 动态+故事圆环
    small = Image.open(f"{n}.jpg").convert("RGB").resize((s, s), Image.LANCZOS)
    mask = Image.new("L", (s*4, s*4), 0)
    ImageDraw.Draw(mask).ellipse((0, 0, s*4-1, s*4-1), fill=255)
    out = Image.new("RGB", (s, s), (245, 245, 247))
    out.paste(small, (0, 0), mask.resize((s, s), Image.LANCZOS))
    out.resize((s*5, s*5), Image.NEAREST).save(f"{n}_{s}.png")   # NEAREST = 查看像素

一张在 110px 时华丽的图像可能在 44px 时变得难以辨认。Instagram 几何形状： 上传正方形（1024x1024 有效），渲染为圆形，个人资料 ~110px，DM 行中 44px，动态或故事圆环中 32px。以 32px 为准进行评估。

四个决定成败的约束，在全尺寸下都不可见：

三种纯色，并且不超过三种。 每增加一种颜色就是中间色调，而中间色调会融合在一起。
任何线条的粗细不小于画框的 1/40。 在提示词中作为一个数字明确说明。
标志必须填满宽度 >=85%。 用大写说明；否则引擎会将一个适中的标志居中放在大量空白地面上。
亮色属于 BACKGROUND，而不是高光。 一个镜面高光在 32px 时毫无价值；一片纯亮的纯色区域则可以阻止拇指滑动。带有金属光泽的指令在缩小时会变成一团泥。

引擎会主动添加的两件事

切勿在提示词中提及圆形裁剪。 它会把圆形画出来。应该说： “平坦连续的背景一直延伸到正方形的所有四个边缘；标志很好地容纳在中央四分之三区域内”，并在 TAIL 中加入 没有圆形，没有圆环，没有圆形徽章，没有包围形状。
除非明确禁止，否则它会添加径向暗角。 要求 “每个填充绝对平坦——无渐变，无暗角，无角部或边缘径向变暗。”

永远不要从风格描述中引用基础图的作者

你写的风格短语（“在 Moebius 传统中”）不是署名；不要让它在后续环节中成为引用来源。如果任何内容将要公开发布，请询问真实的艺术家姓名。给真实艺术家贴上错误的署名比不署名更糟糕。

多张基础图像

--image 参数可以重复使用，因此多个锚点是可能的，但测试较少。在提示词中说明哪张图像提供什么（“图像 1 是色彩和线条语言；图像 2 是结构”），并将第一批稿件视为探测。

参见

brand-direction-plates（反向稿件集：一个主题使用多种语言）· make-art（引擎、参数、粘贴提取、边框检测）。

image-riff — 借用视觉语言创作原创艺术