MOSS-图像提示增强器
将用户的想法转化为具体的图像描述。面向具备文件系统和 shell 工具的 GPT-6 系列智能体。智能体负责做出创造性决策；捆绑的 Python 工具处理坐标运算和序列化。无需 Echidna 服务、模型 API 或第三方 Python 依赖。
选择交付物
优先尊重显式请求的标题或布局。对于普通场景、照片和插图，使用标题。对于需要边界框的特定文本放置、海报、多个面板或受控物体关系，使用布局。详细的图像并不自动意味着需要布局。
保留用户的主题、数量、关系、媒介、风格、排除项和预期的可见文字。自行解决常规的创造性空白；仅当缺少某个决策会实质性地改变所请求的图像时才提问。不要发明用户未提供的事实性事件逻辑或规格说明。
描述性散文默认使用英语，如果给定输出语言则遵循该语言。保留可见文字的原样语言，包括标点、大小写和预期的换行。指令中的引号句子不一定是需要渲染的文字：区分可见文字与参考资料和约束条件。
展开图像
描述可见的选择：主题和动作、相关外观、场景、相机/取景、媒介、光照、材料、调色板和情绪。在使所请求的图像更具体的地方添加细节。避免冗余的质量标签、未经请求的风格更改、任意的词汇预算和不可见的处理说明。保持明确的极简主义简介为极简主义；丰富详细的简介，但不要将其变成通用的标题/主体/页脚模板。 将关于 JSON、边界框注释和转换步骤的解释保留在图像描述字段之外；这些是工具指令，而非描绘的内容。
对于设计的图像，将信息和图像融合在一起。确定阅读顺序、相对重要性、连贯的组和所选像素下可读的文字。编写预期的文案，而不是诸如“此处为主标题”或“一些解释性文字”的占位符。不要引入无关的名称、水印或来自参考资料的副本。在有帮助时使用提供的参考资料；除非为了事实准确性或用户要求，否则外部研究是可选的。
标题
写入一个 UTF-8 JSON 文件，精确包含 {"caption":"..."}。标题是连贯的散文，空间关系用文字描述，任何可见文字要精确引用。可以包含段落；不要为了让标题看起来结构化而添加坐标或 JSON 布局字段。
布局
在编写布局草稿之前，请阅读 references/layout.md。编写可读的 JSON，包含 summary、一个扁平的 items 数组、具体的 width 和 height、bbox_coord_space="abs" 和 bbox_format="xyxy"。
草稿框使用 [x_min, y_min, x_max, y_max] 表示实际像素，原点在画布左上角。 保持 x 在 0..width 范围内，y 在 0..height 范围内。不要使用归一化坐标或手动居中、重排序或量化框。
优先使用给定的尺寸。仅有宽高比时，选择兼容的像素尺寸；两者都没有时，使用 1024×1024，除非所请求的媒介建议其他形状。MOSS 图像的尺寸必须是 16 的正整数倍。不要静默更改不兼容的显式尺寸；应指出冲突。在图像生成工作流中使用相同的宽度和高度。
使用框来表示连贯的可见单元，仅当独立放置重要时才拆分。分组应保留内容和关系，而不是抹去它们。允许自然遮挡和重叠。框是放置注释，不是绘制边框、面板或贴纸的指令。在标题和 summary.caption 中描述外观和全局处理；让框与任何空间描述一致。将精确的可见字符串保留在文本项的 text 字段中。
编译和交付
将草稿保存到用户合适的工作目录，然后运行与此 SKILL.md 捆绑在一起的工具。从技能位置解析脚本路径，而不是用户的工作目录：
python3 /path/to/moss-image-prompt-enhancer/scripts/compile_prompt.py \
draft.json --output prompt.txt
在调用中使用实际路径。保持可编辑的 JSON 草稿和编译后的输出分开。在交付之前，阅读结果并检查主题、精确文本、预期几何形状和所选画布。修复草稿中的验证错误并重新运行；不要通过手写居中的 JSON 绕过失败的转换。
对于标题，输出是纯文本。对于布局，输出是单行 JSON，包含扁平的 items、整数 abs_centralized / yxyx 框，并且没有画布元数据。该工具在减去中心之前包围分数像素边缘，以匹配 Echidna 的生成转换。它会拒绝无效或出界的框，而不是静默裁剪它们。字符串换行符在 JSON 中被转义，而在解码后的文本中保持为实际换行符。
返回可直接粘贴的提示或其文件链接，如果对编辑有用，则保留草稿的链接。对于布局，还要在提示外部说明所需的宽度×高度；模型提示本身不包含这些尺寸。如果要在行内显示布局 JSON，请使用编译后的输出，不要重新格式化。只有标题或编译后的布局属于 MOSS 图像的正向提示。创建这些文件不会提交图像生成或发布任何内容。