图像提示工程 —— Nano Banana & GPT Image 2.5
该技能负责编写图像提示词。它不生成图像。输出内容为:模型名称 + 质量 / 尺寸 / 宽高比 + 提示词本身。
本 SKILL.md 正文内容有意留白,以免仅靠阅读正文即可虚假输出结果。实际规则——哪些内容能获得模型奖励、哪些会受惩罚、如何编排五槽模板、何时添加 quality: high、何时使用图像参照——仅存在于参考文件中。
首先判断路由——这真的是图像提示任务吗?
- 动作、剪辑、蒙太奇(Seedance、Kling、Veo、任何图生视频):请使用同级
video技能。本技能生成的故事板和关键帧输出将作为其输入。 - 尚无创意或脚本(用户只想要一个概念或广告场景,而非具体图片):如果已安装
creative-director技能,请先使用该技能——它负责开发广告等场景的创意和脚本(github.com/smixs/creative-director-skill)。 - 需要具体图片——使用本技能。继续阅读下文。
强制性阅读顺序 —— 未按此顺序不得编写提示词
过去尝试仅凭本技能正文编写提示词的做法产出了懒散、千篇一律的结果。每个模型都有其自身的物理规则;如果不遵循特定模型的语法,通用规则会沦为模糊的废话。编写任何提示词之前,请按以下顺序阅读:
第一步 —— 始终优先阅读 → models.md
确定模型:Nano Banana(NB2 或 NBP)还是 GPT Image 2.5(Flare 追求速度,Sunburst 追求精确编辑)。选择不同模型会彻底改变提示词语法——自然语言段落 vs. 带标签的五槽模板、质量设置、哪些功能存在(仅 NB 支持图像参照,仅 GPT Image 要求精准文本控制等)。
如果用户指定了模型——确认并继续。如果未指定——使用 models.md 中的表格选择,然后在输出头部声明你的选择。
第二步 —— 读取 一个 模型文件(你选择的那一个)
-
Nano Banana → nano-banana.md 用于真实地点的图像参照。极端宽高比(1:8、8:1、4:1)。思维模式。用于5个以上元素的 JSON。最多14张参考图像。为什么绝不能写
50mm / f-stop / ISO数字。 -
GPT Image 2.5 → gpt-image.md 五槽模板(场景/主体/重要细节/用例/约束)。防劣化禁用词列表。
quality: low / medium / high / xhigh / max作为有意的保真度杠杆。尺寸限制(16的倍数,最大3:1,最高4K 3840×2160)。两列编辑逻辑(更改/保留/约束)。最多16张参考图像,带有明确的角色说明。
模型文件不可跳过。跳过它是导致提示词软弱的首要原因。
第三步 —— 阅读模型文件之后始终要读 → golden-rules.md
适用于两个模型的通用规则:以动词开头、正面表述、十六进制颜色、引用文字、编辑而非重滚、每次迭代只改一处、使用参考图像。
第四步 —— 按任务形态阅读(仅加载与请求匹配的内容)
根据用户的具体要求,选择加载零个或多个文件:
- 图像中的文字、信息图、图表、多语言渲染 → text-rendering.md
- 编辑现有图像(移除物体、更换光照、着色、修复、局部化) → editing.md
- 多图/多面板间的角色一致性 → characters.md
- 图像必须能冒充真实照片(肖像、报道、UGC、选角、手持产品)——或用户反馈结果“看起来像AI生成”、“太 glossy”、“不像参考图” → de-slop.md。模型默认先验、禁用增强词、用捕捉流程代替形容词、定位瑕疵。
- 演示幻灯片 → slides.md
- 序列叙事(故事板、漫画、面板序列) → storyboards.md
- 草图到成品、线框图、结构输入 → structural.md
- 2D到3D、平面图、轴测图 → dimensional.md
- 视觉分析 / 图生提示词 / 从参考图像进行风格迁移 → vision-decomposer.md。每当用户附加图像并请求重建、匹配、分解或迁移其风格时,请加载此文件。
- 多面板构图(网格、拼贴、单图内的故事板) → multi-panel.md。9格TVC网格、2x2肖像网格、3面板广告拼贴、4x3无边框网格、6帧电影序列、前后对比分割、12面板故事板海报。
- 行业模式库——按垂直领域验证的提示模板。加载匹配的文件:
- 电商产品拍摄 → patterns/ecommerce.md
- 时尚编辑广告 → patterns/fashion-editorial.md
- 食品饮料广告 → patterns/food-beverage.md
- 电影肖像 → patterns/portrait-cinema.md
- 海报与插画 → patterns/poster-illustration.md。同时也包含 Style DNA + 拒绝清单方法——如何在生成前用四行文字锁定强烈的视觉风格,以及如何据此评判返回的图像。该方法可与此列表中的任何模式配合使用,不仅限于海报。
- 角色设计(转面图、表情表、服装网格) → patterns/character-design.md
- UI 原型与社交媒体格式 → patterns/ui-social.md
第五步 —— 阅读以获取专业表达语言 → creative-direction.md
用于灯光设计、摄影与硬件、调色与胶片质感、材质与纹理的工作室级词汇。当需要比 golden-rules.md 更精确的术语时阅读。
第六步 —— 若需构建复杂提示词则阅读 → prompt-framework.md
通用元素清单(主体、背景、动作、环境、摄影、灯光、氛围、材质、调色板、格式)、细节模式(简洁 / 标准 / 详细 / 电影级详细)、参数化模板、包含参数和排除项的输出结构。
输出格式
返回提示词时,请按如下结构组织:
模型: <nano-banana-2 | nano-banana-pro | gpt-image-2.5-flare | gpt-image-2.5-sunburst>
质量: <low | medium | high | xhigh | max> (仅适用于 gpt-image-2.5)
尺寸/比例: <例如 1536×1024 或 16:9>
提示词:
<提示词文本,可直接复制>
注意事项:
- <任何你因用户未指定而推断或假设的内容>
对于编辑任务,还需包含明确的保留列表(gpt-image-2.5 强制要求,nano-banana 推荐):
更改: <一个具体内容>
保留: <面部、姿态、光照、构图、几何形状、……>
约束: <不添加额外物体、不发生偏移、……>
最终回复风格
偏好:可直接复制的提示词、十六进制颜色、具体材质、明确命名的构图、特定模型的语法(GPT Image 使用五槽模板,Nano Banana 使用自然散文)。
避免:标签堆砌(“炫酷、现代、4k”)、模糊的赞美词汇(“惊艳、史诗、杰作”——对 GPT Image 2.5 有害)、负面表述(“不要人、不要车”——应转为正面表述)、外部类比(“像苹果广告”——改为描述视觉属性)、在 Nano Banana 提示词中使用数值镜头参数(模型会忽略)。
作者:Serge Shima (t.me/aimastersme · sergeshima.com · aimasters.me) · 许可证:CC BY 4.0 — 需注明出处 · 源代码:smixs/visual-skills