Community影像github.com

greenroom

根據已學習的範本,產生可直接用於生產環境的 AI 圖片提示詞(適用於 Nano Banana Pro / Google Flow 及類似模型),並從您自己驗證過的提示詞+圖片組合中學習新模式。當使用者要求「用我的風格」、「像我的其他作品」或「greenroom 風格」的圖片提示詞、要求分析、學習或更新 greenroom 的提示詞庫,或是想要為網站或 UI 生成圖片(主視覺、裝置模擬圖、區塊背景、3D 功能圖示、卡片縮圖、OG/社交圖片,或任何「網頁元件」/「為我的網站」圖片)時使用。也可透過「greenroom」或「/greenroom web」觸發。

greenroom 是什麼?

Greenroom 是一個針對 AI 圖片生成(如 Nano Banana Pro、Google Flow 等模型)的技能,核心概念是「分析、萃取、生成」。它可以讓使用者上傳一組自己驗證過的「提示詞+圖片」對(corpus),技能會逐一分析這些成對的資料,從中歸納出有效的模式(如結構、光影、構圖、品質標籤等),並將這些模式整合成一份精煉的「教戰手冊」(playbook)。之後,每當使用者需要新的圖片時,Greenroom 就會直接從這份教戰手冊中提取模式,根據需求(如主體、氣氛、長寬比、用途)組合成一條可直接使用的提示詞。 這個技能特別之處在於其「學習模式」與「生成模式」的分離:學習是一次性的深度分析,而生成則是輕量、即時的組合,避免了每次都要重新推導規則。此外,Greenroom 還內建了「網頁模式」(Web mode),專門處理網站與 UI 相關的圖片需求,例如含綠幕的裝置模擬圖(筆電、手機、螢幕)、純色背景、指定長寬比等,並支援一次產出多個資產(如一組主視覺與卡片縮圖)。它支援 Claude Code、Cursor 等開發者工具,適合設計師、前端工程師與需要大量高品質、風格一致的生成圖片的開發者使用。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/BetzalelTusk/greenroom/tree/main

Installed? Explore more 影像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

Greenroom:基於學習的圖片提示詞生成

Greenroom 有三種模式,核心概念是:分析什麼讓一個提示詞有效,將其記錄成教戰手冊,然後所有新提示詞都根據此手冊產生。

此技能包含的檔案:

  • references/learned-patterns.md:精煉後的提示詞教戰手冊(結構、排版、鏡頭、燈光、負面提示、品質標籤)。隨附一份初始教戰手冊;「學習」模式會根據使用者自己的作品改寫它。
  • references/web-assets.md:網站和 UI 圖片的教戰手冊(螢光綠幕裝置模擬圖、獨立背景、疊加空間、不同版位的長寬比)。
  • corpus/corpus.json:使用者的提示詞+圖片庫(由使用者建立;參見 corpus/corpus.example.json)。其中的圖片路徑相對於 corpus/ 目錄。

如果使用者將語料庫存放在其他地方,他們會告知;請使用該路徑。

模式 1:學習(分析語料庫)

觸發條件:使用者要求分析、學習、重新學習或用新範例更新 greenroom。

  1. 讀取語料庫清單。每個條目將圖片路徑與產生該圖片的確切提示詞配對,並可選附加備註和標籤。如果沒有清單,向使用者顯示以下格式,並提議根據他們貼上的圖片和提示詞建立一個。
  2. 對於每個尚未分析的條目(對照 references/learned-patterns.md 底部的「已分析條目」列表進行比對),使用視覺能力讀取圖片及其提示詞。針對每對進行探討:提示詞說了什麼?圖片實際傳達了什麼?哪些詞彙確實發揮了作用(燈光術語、構圖指令、風格錨點、品質標籤)?圖片的哪些成功部分明確是由提示詞引起的?模型在哪些方面偏離了提示詞?
  3. 更新 references/learned-patterns.md:將新的觀察結果合併到現有章節中,而不是附加日誌。它是一本精煉的教戰手冊,而不是日記。在對使用者自己的語料庫進行初次學習時,用使用者的範例替換初始範例,並在標題中說明。透過合併,將其保持在約 300 行以下。
  4. 將已分析的條目 ID 附加到「已分析條目」列表中,以便後續執行時跳過它們。

為什麼要持久化:每個範例只分析一次,生成時會讀取精煉後的教戰手冊,而不是每次都重新推導模式。

模式 2:生成(建立新提示詞)

觸發條件:使用者要求一個新的圖片提示詞:一個主體、一個場景、「像我的其他作品但改成 X」、特定的長寬比、氛圍或廣告活動需求。

  1. 讀取 references/learned-patterns.md。
  2. 組合一個新的提示詞,重新運用學到的模式(結構、措辭慣例、燈光和構圖詞彙、品質標籤),並根據需求的主體和配置(長寬比、氛圍、目標模型)進行調整。
  3. 教戰手冊將作品分組為視覺系列(例如以排版為主的海報、超現實合成、編輯風格的肖像、工作室型錄)。比對請求所暗示的系列;僅在要求時才混合系列。
  4. 僅輸出提示詞文字:一個可直接貼上的區塊,不含理由、標題或評論。如果某個關鍵設定確實不明確(長寬比對用途很重要且未被提供),先問一個簡短的問題,然後僅輸出提示詞。

如果教戰手冊的標題仍顯示為初始教戰手冊,則生成仍然有效,但請提醒一次:對使用者自己的提示詞執行「學習」模式將使其調整為使用者的風格。

模式 3:網頁(針對網站和 UI 資產的提示詞)

觸發條件:使用者想要一個用於網站或網頁元件的圖片(主視覺、模擬圖、背景、區塊視覺、圖示組、縮圖、OG 圖片)、提及某個網站或頁面,或說「greenroom web」。

  1. 首先讀取 references/web-assets.md,然後讀取 references/learned-patterns.md 以取得措辭和品質詞彙。當兩者衝突時,以網頁教戰手冊為準:沒有身分鎖定、沒有內嵌文字、螢光綠幕螢幕、獨立背景。
  2. 如果使用者指定了特定資產(「一個深色網站的筆電和手機主視覺模擬圖」),使用教戰手冊的網頁預設值填補任何空白,直接進入提示詞生成。
  3. 如果請求是開放式的(「greenroom web」、「我需要我的網站的圖片」),進行一輪最多 4 個問題的提問,僅提問請求未回答的問題(如有可用,使用 AskUserQuestion 工具):
    • 資產:主視覺裝置模擬圖 / 多裝置組 / 手持手機 / 區塊背景 / 功能圖示 / 抽象主視覺 / 社交圖片(參見資產選單)
    • 網站背景:深色(純黑)/ 淺色(純白)/ 品牌顏色(十六進位碼)
    • 版位:滿版主視覺 / 分割一半 / 區塊或卡片 / 行動裝置
    • 參考:是否有較早的渲染圖可以參考(請附上),或者這是新系列中的第一張?
  4. 根據教戰手冊的結構組合提示詞。從版位取得長寬比,從網站取得背景,並標明用於文字疊加的空側。當會附上參考渲染圖時,加上「將(參考圖片)用於……。完全匹配它。」這一行。
  5. 如果使用者要求一個網站的多個資產,則每個資產輸出一個提示詞,每個提示詞放在自己的區塊中,並在其上方加上一行標籤(這是對僅輸出提示詞規則的唯一例外)。第一個是系列錨點;其餘假設它已作為參考附加。
  6. 否則,如同模式 2,僅輸出提示詞。

如果一個網頁提示詞產生的結果令使用者滿意,提議將其加入語料庫,以便「學習」模式可以研究它。

語料庫清單格式

corpus/corpus.json 是一個 JSON 陣列。只有 image 和 prompt 是必要的:

[
  {
    "id": "poster-01",
    "image": "posters/poster-01.jpeg",
    "prompt": "從您的圖片工具貼上的確切提示詞文字",
    "notes": "可選:您喜歡這個結果的哪些方面",
    "tags": ["可選", "編輯風格", "黑白"]
  }
]

當加入新批次時,使用者會附加條目;「學習」模式只會擷取尚未分析的條目。

相關技能