Communitygithub.com

slmonker/ComfyUI-MOSS-PromptEnhancer

將影像生成請求展開為詳細的 MOSS-Image 標題或空間佈局,並將本機 JSON 草稿編譯成可直接貼上的提示詞。用於提示詞增強、影像構圖與文字放置;此技能不實際生成影像。

ComfyUI-MOSS-PromptEnhancer 是什麼?

此 AI 技能旨在將使用者提供的影像生成想法轉換為具體且結構化的描述,支援兩種輸出形式:純文字標題(Caption)或包含邊界框的空間佈局(Layout)。其核心是提升提示詞的品質,讓後續的影像生成模型能更精確地理解使用者的意圖。技能包含一個 Python 工具,負責處理座標計算與序列化,但所有創意決策均由 AI 代理本身做出,且不依賴任何外部 API 或第三方套件。使用者可以明確要求標題或佈局;若無明確指定,對於一般場景、照片或插圖,技能預設使用標題;而當需要精確控制文字位置(如海報、多個面板或特定物體關係)時,則使用佈局。技能會產生一個 JSON 草稿檔案,然後透過命令行工具將其編譯成與 MOSS-Image 相容的提示詞,並確保所有邊界框、文字和畫布尺寸都符合規範。此技能支援 Claude Code 等具備檔案系統和 Shell 工具存取能力的 AI 代理。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/slmonker/ComfyUI-MOSS-PromptEnhancer/tree/HEAD/skill

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

MOSS-Image 提示詞增強器

將使用者的想法轉換為具體的影像描述。目標為具備檔案系統和 shell 工具的 GPT-6 系列代理。代理負責創意決策;附帶的 Python 工具負責座標運算與序列化。不需要 Echidna 服務、模型 API 或第三方 Python 依賴。

選擇交付物

遵從對於標題或佈局的明確要求。否則,對於一般場景、照片和插圖,使用標題。當特定的文字放置、海報、多個面板或需要邊界框來控制物體關係時,使用佈局。詳細的影像並不自動需要佈局。

保留使用者的主體、數量、關係、媒介、風格、排除條件以及預期的可見文字。自行解決一般的創意空缺;僅在缺失的決策會實質性地改變所要求影像時才提問。不要發明使用者未提供的事實性事件後勤或規格。

描述性文字預設使用英文,若給定輸出語言則遵循該語言。將可見文字逐字保留於其原始語言,包括標點符號、大小寫以及要求的換行。指令中的引述句不一定是需要渲染的文字:區分可見文字與參考資料及約束條件。

發展影像

描述可見的選擇:主體與動作、相關外觀、場景、相機/構圖、媒介、光線、材質、色調與情緒。在能使要求的影像更具體的地方添加細節。避免冗餘的品質標籤、未要求的風格變更、任意的字數限制以及不可見的過程註記。保持明確的極簡需求為極簡;發展豐富的需求,但不要將其轉變為通用的標題/主圖/頁尾模板。 將關於 JSON、邊界框註解與轉換步驟的解釋排除在影像描述欄位之外;這些是工具指令,而非描繪的內容。

對於設計類影像,將資訊與圖像整合在一起。建立閱讀順序、相對重要性、連貫的群組以及在所選像素下可讀的文字。撰寫預期的文案,而不是使用「此處為標題」或「一些說明文字」等佔位符。不要引入無關的名稱、浮水印或參考資料中的文案。在有用時使用提供的參考資料;除非為了事實正確性或使用者要求,否則外部研究為選項。

標題

寫入一個 UTF-8 JSON 檔案,內容僅包含 {"caption":"..."}。標題是連貫的散文,空間關係以文字描述,任何可見的文字需精確引用。它可以包含段落;不要為了讓它看起來結構化而將座標或 JSON 佈局欄位加入標題中。

佈局

在撰寫佈局草稿之前,請先閱讀 references/layout.md。撰寫可讀的 JSON,包含 summary、一個扁平的 items 陣列、具體的 width 與 height、bbox_coord_space="abs" 以及 bbox_format="xyxy"。

草稿方塊使用 [x_min,y_min,x_max,y_max] 格式的實際像素值,從畫布左上角開始。 保持 x 在 0..width 範圍內,y 在 0..height 範圍內。不要使用歸一化座標,也不要手動居中、重新排序或量化這些方塊。

遵守提供的尺寸。若僅有長寬比,則選擇相容的像素尺寸;若兩者皆無,則預設為 1024×1024,除非要求的媒介建議使用其他形狀。MOSS-Image 的尺寸必須是 16 的正整數倍。不要靜默地更改不相容的明確尺寸;應提出衝突。在影像生成工作流程中使用相同的寬度與高度。

使用方塊來標示連貫的可見單元,僅在獨立放置很重要時才進行拆分。分組應保留內容與關係,而非抹除它們。允許自然的遮擋與重疊。方塊是放置註解,而非繪製邊框、面板或貼紙的指令。在標題中描述外觀,在 summary.caption 中描述整體處理方式;讓方塊與任何空間描述保持一致。將精確的可見字串保留在文字項目的 text 欄位中。

編譯與交付

將草稿儲存到使用者適宜的工作目錄,然後執行此 SKILL.md 附帶的工具。從技能位置解析腳本路徑,而非使用者的工作目錄:

python3 /path/to/moss-image-prompt-enhancer/scripts/compile_prompt.py \
  draft.json --output prompt.txt

在調用中使用實際路徑。保持可編輯的 JSON 草稿與編譯後的輸出分離。在交付前讀取結果並檢查主體、精確文字、預期幾何形狀以及所選畫布。修正草稿中的驗證錯誤並重新執行;不要通過手寫居中 JSON 來繞過失敗的轉換。

對於標題,輸出為純文字。對於佈局,輸出為一行實體 JSON,包含扁平的 items、整數 abs_centralized / yxyx 方塊,且無畫布元資料。該工具在減去中心點之前會先對小數像素邊緣進行取整,以匹配 Echidna 的生成轉換。它會拒絕無效或超出邊界的方塊,而非靜默裁剪。字串換行符在 JSON 中會被跳脫,同時在解碼後文字中仍為實際換行。

返回可直接貼上的提示詞或其檔案連結,並在有用於編輯時保留草稿的連結。對於佈局,還需在提示詞外部說明所需的寬度×高度;模型提示詞本身不包含這些尺寸。如果需要內嵌顯示佈局 JSON,請使用編譯後的輸出,不要重新格式化。只有標題或編譯後的佈局屬於 MOSS-Image 的正面提示詞。建立這些檔案並不代表提交影像生成或發佈任何內容。

相關技能