Neoo-Blue/colab-flux

colab-flux 是做什麼的？

在租用的 Colab GPU 上，由 fluxx 驅動的 FLUX 3 Image Klein。fluxx gen 會啟動一個 A100 -> 安裝 diffusers -> 下載並載入 FLUX 3 和一個評分模型 -> 為每個鏡頭渲染畫面（多個候選項中取最佳，並經評分）-> 下載圖片 -> 讓 GPU 保持溫熱幾分鐘以進行後續作業，然後停止它。盡可能將所有鏡頭批次放入一個呼叫中。

讓圖片保持一致的是品牌資料，而不是運氣：

• 產品參考：產品的真實照片，每次渲染鏡頭時都會作為參考圖像傳給 FLUX 3，使產品保持其形狀、標籤和顏色（最多 10 張參考）
• 風格：附加到每個場景的一段具體攝影語言
• 避免：從不出現的內容
• 種子：每個品牌固定，因此相同的場景會以相同方式重新渲染
• 回饋：每個鏡頭都會被記錄；fluxx rate 記錄使用者喜歡的內容及原因，你可以將模式回饋到風格中

所有內容都存放在 ~/colab-flux/brands/<name>/ 下：brand.json、refs/、history.jsonl、shots/<time>/。

1. 首次使用：檢查設定

執行 fluxx doctor（如果找不到 fluxx，請先執行 sh <此技能資料夾>/install.sh）。它會輸出 ok / TODO 行。用簡單的語言，逐一引導使用者完成每個 TODO：

TODO	使用者需做什麼	備註
尚未安裝 Colab CLI	什麼都不用做：你執行此技能資料夾中的 sh install.sh	安裝 uv 和官方的 Colab CLI
未登入 Google	在他們自己的終端機中執行 fluxx login	瀏覽器會開啟進行 Google 登入。你無法代勞
計算單位	在 https://colab.research.google.com/signup 購買 Colab Pro 或計算單位	A100 不在免費方案中
Hugging Face（可選）	預設無需操作：沒有 token 時，fluxx 會從公共鏡像下載，並在檢查每個權重檔案的 sha256 與官方儲存庫相符後使用。若使用官方儲存庫：fluxx login 會開啟 FLUX 3 頁面，他們需點擊同意，建立一個讀取 token 並貼到隱藏提示中	免費。切勿要求他們將 token 貼到對話中
沒有品牌	什麼都不用做：由你進行下面的品牌訪談

fluxx login 會使用隱藏提示要求輸入 token，因此需要一個真實的終端機：在 Claude Code 中告訴他們開啟一個終端機分頁並在那裡執行（Codex 也一樣）。當他們說完成後，再次執行 fluxx doctor。

2. 品牌訪談（每個企業一次）

在一條訊息中詢問這些問題，簡短扼要，附上範例，讓對方一分鐘內回答：

1. 這個企業是做什麼的，以及應該出現什麼產品？（例如「手工澆注的琥珀色玻璃罐大豆蠟燭」）
2. 誰會買它，圖片將用在哪裡？（Shopify、Amazon、Etsy、Instagram、廣告、印刷品）
3. 風格，用幾個字或一個他們欣賞的品牌來描述。（例如「平靜、溫暖、斯堪地納維亞風，像 Aesop」）
4. 有什麼絕對不能出現的東西？（人物、文字、競爭對手物品、雜亂、特定顏色）
5. 產品照片：檔案路徑或直接拖入。每個產品一張光線均勻、清晰的照片效果最好。

然後將答案轉換為資料。將形容詞翻譯成攝影師會使用的詞語，因為 FLUX 遵循的就是這些。「平靜而溫暖」變成「來自左側的柔和漫射窗光，溫暖中性色調，燕麥色、沙色和陶土色，亞麻布和淺色橡木表面，淺景深，大量留白，編輯式產品攝影」。

fluxx brand new acme-candles --business "Acme, 手工澆注的琥珀色玻璃罐大豆蠟燭" \
  --style "來自左側的柔和漫射窗光，溫暖中性色調..." \
  --avoid "人物、手部、除罐子標籤外的書寫文字、雜亂" --aspect 4:5
fluxx brand ref acme-candles /path/to/jar-front.jpg            # 角色：product（預設）
fluxx brand ref acme-candles /path/to/moodboard.jpg --role style

根據目的選擇長寬比：Amazon/Shopify 產品網格 1:1、Instagram 動態 4:5、限時動態/Reels 9:16、網頁主圖 16:9、Etsy 4:3 或 1:1。品牌的長寬比是預設值；--aspect 可在每次執行時覆蓋。向使用者顯示你撰寫的資料（fluxx brand show NAME），並詢問是否符合他們的期望。

3. 製作圖片

1. fluxx brand show NAME：在撰寫任何內容之前，先閱讀資料以及最近的回饋。
2. 撰寫場景。每個場景一行簡短具體的描述，僅描述場景。品牌風格、避免列表和參考角色會自動添加，FLUX 3 自己的提示詞放大模型（GPU 上的一個 9B 模型）會將每一行擴展為完整的標題，因此無需花費 token 編寫長提示。好的範例：玻璃罐放在陽光照射的橡木窗台上，早晨，旁邊一枝乾燥尤加利葉。
3. 將使用者可能需要的所有鏡頭收集到一個呼叫中（啟動是最昂貴的部分）：

   fluxx gen -b acme-candles -n 2 "場景一" "場景二" "場景三"
   fluxx gen -b acme-candles --from shots.txt          # 每行一個場景，# 開頭為註解
   

   一個場景可以透過前綴設定自己的形狀，因此一次執行可以混合格式： 16:9 | 玻璃罐放在陽光照射的窗台上，左側留空以放置標題。 冷啟動約需 4 分鐘，然後每次 4 MP 渲染約需 45 秒。在 Claude Code 中使用 run_in_background 執行；在 Codex 中讓它運行。它會在 stdout 上輸出每個圖片路徑一行；進度、每個鏡頭的評分分數和缺陷以及計算單位成本會輸出到 stderr。 當使用者使用產品時出現在場景中時，請說明方式：「將手機聽筒貼在耳邊，其電話線延伸出畫面；電話底座不可見」。FLUX 會按照參考顯示的方式繪製產品，因此舉起的部分往往會出現兩次（在測試中，一個被握住的聽筒加上另一個還在電話上，即使提示說搖籃是空的）。將產品的其餘部分構圖在畫面之外解決了這個問題。
4. 在 GPU 上評分，取最佳 N 個。 每個鏡頭最多渲染 --candidates 張圖像（預設 3 張）。一個視覺語言評分模型（Qwen3.5-9B，在同一個 GPU 上）會根據簡要說明、產品參考和避免列表（解剖結構、重複物件、產品保真度、無關文字、吸引力）檢查每一張，保留最佳者，並在某一張獲得 9 分以上且無缺陷時提前停止。其餘的會以小圖形式返回 alts/ 資料夾，因此使用者仍然可以選擇。
5. 自己也查看 _md.jpg 檔案（它們很小），特別是那些 stderr 行列出缺陷或分數低於 7 的鏡頭。指出問題所在，而不是直接當作完成品呈現。然後將資料夾和路徑提供給使用者。
6. 之後 GPU 會保持溫熱（--keep，預設 5 分鐘），且模型已載入，因此後續的 fluxx gen 會立即開始渲染，而不是等待約 4 分鐘。在呈現後立即詢問：「GPU 還會保持溫熱 N 分鐘（若閒置約需 X 個計算單位）。需要更多或修改嗎？否則我將關閉它。」如果他們完成了，執行 fluxx stop。如果他們什麼都沒說，它會自行停止。如果他們要求保持更長時間，在下一次執行時傳遞 --keep 15，或使用 fluxx config keep_minutes 15 儲存新的預設值。--keep 0 會在執行結束時停止 GPU。

標誌：-n N 每個場景的變化（種子 seed..seed+N-1）· --candidates K 每個鏡頭的渲染次數，保留最佳（1-8）· --keep MIN 之後的溫熱分鐘數· --draft 僅 1 MP 中型，一個候選，速度更快，用於探索新方向· --aspect W:H· --ref PATH 一次性額外產品照片· --no-refs· --seed S· --no-upsample 當場景已經是完整標題時（跳過 19 GB 下載）· --out DIR。

每個鏡頭的輸出：<id>_hd.png（約 4 MP，例如 2048x2048，用於印刷、縮放和主圖）和 <id>_md.jpg（長邊 1024 px，用於清單、網頁和社群）。

4. 市集清單（Amazon、Etsy、eBay、Shopify）

當圖片用於在線銷售產品時，使用 fluxx listing 而不是 gen。一次執行即可製作標準的六張方形 4 MP 照片，匯出每個市集的資料夾，包含該平台的順序、名稱和尺寸，並在 GPU 上草擬清單文案（評分模型負責撰寫，因此無需 Claude token）：

fluxx listing -b acme-candles --product "手工澆注的琥珀色玻璃罐大豆蠟燭，帶木蓋" \
  --notes "8 盎司，燃燒 50 小時，棉芯，氣味：雪松和煙燻，產於奧勒岡" --for amazon,etsy

照片（角色）	內容	品牌風格
main	產品獨自置於純白背景上，居中	無：fluxx 會將背景設為精確的 RGB 255，並將產品縮放至填滿畫面的 85%（Amazon 的主圖規則）
angle	白色背景上的三分之四視角	無
detail	材質和表面處理的特寫	無
lifestyle	在使用中，處於適合買家的場景中	是
scale	與日常物品相鄰，以顯示大小	是
gift	在手中或作為禮物，不露臉	是

輸出在執行資料夾下的 markets/<site>/：

平台	圖片	文案（listing.md + copy.json），fluxx 會強制執行限制
amazon	MAIN.jpg, PT01.jpg... 2048 px	標題 75 字元（自 2026 年 7 月起的限制），商品亮點 125，5 個重點各 200，描述 2000，搜尋詞 250 位元組
etsy	01.jpg... 2048 px，先放一張風格照（搜尋縮圖）	標題 140，13 個標籤各 20 字元，描述
ebay	01.jpg... 1600 px	標題 80，商品規格，描述
shopify	01.jpg... 2048 px	標題 70，SEO 標題 60，SEO 描述 160，描述，標籤

代理規則：

• 事實來自賣家。 在執行前詢問尺寸、材質、包含的內容和保養方式，並透過 --notes 傳遞。文案模型被告知永遠不要虛構事實，但請閱讀 listing.md 並在使用者發布前移除任何不在備註中或圖片中可見的主張。
• 圖片顯示的是 FLUX 繪製的內容，而非真實物品。 對於 main、angle 和 detail，產品必須與使用者的真實產品相符：根據他們的照片進行檢查，並告知他們市集要求圖片顯示實際物品。生活風格照片才是生成場景最有幫助的地方。
• 完成的白色 main 圖像會成為後續鏡頭的產品參考，因此使用者自己照片中的道具（桌布、裝飾品）不會滲入生活風格照片中。仍然要求提供一張光線均勻、清晰的產品照片：這是 main 圖像的繪製基礎。
• --only main,lifestyle 可製作子集；--no-refs --ref other.jpg 可列出同品牌的不同產品；--for etsy 可限制平台。

5. 了解他們的喜好

資料只有在閉環時才會變得更好。每次使用者對圖片做出反應時：

fluxx rate 02-jar-on-oak-windowsill-v1 good "喜歡清晨的低角度光線"
fluxx rate 03-jar-in-bathroom-v2 bad "太雜亂了，毛巾搶走了焦點"

當兩個或多個評分指向相同方向時，編輯 brand.json（它是純 JSON；使用你的檔案工具編輯）：強化 style，擴展 avoid，在 notes 中添加一行附有日期的說明，內容是更改了什麼及原因。當相同的缺陷再次出現（重複的部分、錯誤的顏色、遺失的標籤），在 checks 中添加一行規則，例如 "整張圖片中準確只有一個電話聽筒"。評分模型從現在開始會對每個候選項進行計數和驗證該規則；單獨的一般分數在測試中恰好漏過了這種缺陷。用一行話告知使用者（例如「我將『清晨的低角度光線』添加到你的風格中，並移除了玻璃罐附近的道具」）。他們喜歡的照片可以變成風格參考： fluxx brand ref NAME <path>_hd.png --role style（參考總數上限為 10 個；FLUX 3 將風格參考僅視為外觀，而非內容）。

根據要求更改風格（「讓它更暗、更陰鬱」、「我們正在重新品牌為粉彩風」）：重新編寫 brand.json 中的 style，將舊的保留在 notes 中並附上日期，以便他們可以回溯，移除不再合適的風格參考，並提供一次快速的 --draft 執行，包含 3-4 個已知場景，以便他們在完整批次之前看到新風格。如果要建立第二種獨立的風格（例如節日活動），請使用相同的產品參考建立另一個品牌，而不是覆蓋現有品牌。

規則

• 一個呼叫，多個鏡頭。 永遠不要對每個圖片迴圈執行 fluxx gen。冷啟動（GPU、約 60 GB 模型、載入）約需 4 分鐘。在溫熱窗口內的後續作業則會跳過此時間。
• GPU 總是會停止。 失敗時 fluxx 會立即停止它。成功時它會保持溫熱 --keep 分鐘，然後一個獨立的看門狗會停止它，即使 fluxx 或代理已經消失。在執行期間，看門狗會將其上限設為 --max-minutes（預設 60）。如果執行結束時顯示 NOT CONFIRMED STOPPED，請立即執行 fluxx stop 然後 fluxx status。
• 對話中不包含機密。 Hugging Face token 只會輸入到 fluxx login 的隱藏提示中。它會傳到使用者自己的 Colab VM，該 VM 在讀取後會從磁碟刪除它，並在停止時被清除。
• 他們的圖片會留在本地。 輸出會下載到使用者的機器。Colab VM 會在停止時被銷毀（檔案系統是暫存的）。
• 保持解析度。 從不將 _hd.png 縮小到 4 MP 以下。Claude 和 Codex 可以顯示 _md.jpg 以預覽，但提供高解析度的檔案路徑。
• 撰寫場景時要有具體的攝影語言。 評估你的場景：空白、引導線、焦點、景深、光線方向、溫度、色調、紋理、物體之間的相對比例、使用產品的人物動作描述（說出方式）。留白是銷售圖片的隱形工具：大量使用它。
• 用照片來驗證照片。 在檢查輸出時，如果有一張真實的產品照片，將其與輸出並排比較。FLUX 會提取形狀、貼標和顏色，因此檢查它們是否與實物一致。差異值得一句話提醒。
• 主動建議「做更多」。 每次展示圖片時，建議一個額外的鏡頭或變化（以對話的形式，而不是提示詞），這樣他們就不必先提出請求。範例：「這張清晨的窗台照片很棒。我也可以做一個日落版本，用金色光線代替，而且 GPU 現在還溫熱著。」