Image Prompt Patterns

可复用的 AI 图像生成 prompt 模式库。

⚠️ 默认优先级(强触发规则)

当用户请求以下任一类型时,必须先使用本 skill,不要跳到 gencut-image 或其他执行工具:

"写 prompt" / "给我 prompt" / "想个 prompt" / "prompt 怎么写"
"给我 XX 图的提示词" / "用 MJ/Nano/Flux 生成的文字"
任何只要文字 prompt 文本、用户自己拿去跑图的需求
讨论 prompt 结构、对比 prompt 风格、优化已有 prompt

只有用户明确说以下词汇时才考虑执行层(gencut-image):

"生成" + 具体工具名(如"用 gencut 生成")
"调用" / "执行" / "跑" + API/CLI
明确的 task routing keyword:generate_three_view, generate_first_frame, generate_first_frame_batch, generate_three_view_batch
在 NemoVideo workflow 的制作流水线中(脚本→三视图→首帧→视频)

模糊情况的默认行为:先走本 skill 写 prompt → 确认后再问用户是否需要调用执行工具。

When to use

调用场景:

用户要生成肖像/海报/角色设定/UI mockup/分镜
用户模糊地说"给我想个 prompt",但没指定工具
需要从一个参考风格迁移到新主题
想对比同一构图在不同模型上的效果
优化或重写已有的 prompt

不适用场景(→ 走 gencut-image):

gencut CLI 工作流(生产流水线)
专业短片分镜的系统性生成(脚本→三视图→首帧→视频)
需要写入 project.json 的视频制作任务

核心 prompt 结构(五种流派)

基于 126 个 GPT Image 2 实战 prompt 的实证分析归纳(数据:raw-data/awesome-gpt-image-2-zh.md)

类型 A:写实摄影 / 商业视觉(8 层结构)

适用:肖像、产品、社媒 mockup、伪截图。一条高质量 prompt 按这个顺序组织信息,遗漏任何一层都会丢细节:

[1. 摄影/媒介] + [2. 光线与色彩] + [3. 构图景别] +
[4. 主体(外貌/表情/服装,层层细化)] +
[5. 姿势/动作/视线方向] +
[6. 环境/背景(前景/中景/远景分开描述)] +
[7. 材质/质感修饰词] + [8. 后期/胶片颗粒/色彩分级]

典型权重分配:主体 50-60%,环境 20-30%,技术/风格 15-20%。字数范围:150-250 词。

类型 B:电影分镜 / 风格化绘画(5 层结构)

适用:Jibaro/Ghibli/漫画/油画风分镜。

[1. 主体 + 动作] + [2. 关键视觉细节] +
[3. 光线色彩词汇] +
[4. 风格锪点 (Named artist / work / medium)] +
[5. 比例 + 语境]

风格锪点(一个词如 "Jibaro style")替代了摄影/材质/后期 3 层的细节控制。字数范围:40-80 词。更长反而会稀释风格锪点。

→ 详见 references/cinematic-storyboard.md

类型 C:结构化 JSON Prompt(伪代码结构)

适用:信息密集型图像-- UI mockup、landing page、数据报告、多区块活动海报、信息图。

核心思路:把 prompt 写成 JSON / 结构化标记语言,模型能精确解析每个区块和字段。

{
  "type": "[图像类型]",
  "theme": "[整体风格描述]",
  "sections": [
    {
      "id": "[区块名]",
      "layout": "[布局方式]",
      "content": { ... }
    }
  ]
}

独有优势:

可寻址性:模型准确知道哪块信息属于哪里
参数化:用 {argument name="..." default="..."} 一条 prompt 变模板
高密度:10+ 元素的图像不会乱

字数范围:结构完整比字数重要,典型 200-500 行。

→ 详见 references/structured-json-prompt.md(含 5 种 JSON 组织模式 + 黄金三字段 + 分类模板库)

类型 D:文化融合 / 风格锚点 Mashup(极简公式)

适用:用两个文化符号的特质组合生成独特视觉。

「A 的 X 特质」+「B 的 Y 特质」の融合 → 生成 C

例:「いらすとや」のほのぼのとした雰囲気 + 「霞ヶ関スライド」の圧倒的な情報密度 → ポンチ絵

关键:

锚点的特质化提取(不是全盘融合,只取各自核心特质)
文化锚点用原语言(日式→日语、中式→中文、西方→英文)
字数 30-80 字,越短锚点越强

类型 E:场景化叙事(多主体动作场景)

适用:动漫战斗、多人物场面、动作漫画式构图。

[1. 总体风格] + [2. 前景主体位置 + 动作 + 能量特效] +
[3. 后景主体位置 + 动作 + 能量特效] +
[4. 环境物理效果(碎裂/尘土/水花)] +
[5. 场景内文字(如招牌)] + [6. 光线 + 视角]

关键技巧:

明确前/后景空间关系(in the foreground / in the background to the right)
能量 + 物理双层特效(能量漩涡 + 地板碎裂缺一不可)
文字嵌入场景(招牌/屏幕内容,不是 overlay)
动态 pose 动词库(forward-thrusting / leaping / mid-air twist)

字数范围:100-200 词。

跨流派机制:参数化(`{argument}`)

实证:126 个案例里 >95% 都用了参数化。不是高级技巧,是默认姿势。

{argument name="参数名" default="默认值"}

可以嵌套在任何流派的 prompt 里(字符串 / JSON 值 / 数组元素)。

→ 详见 references/parametric-template.md(优先级、决策原则、模板库)

关键技巧

1. 分层堆叠(Layered Stacking)

不是一句话描述"美女",而是:

面部结构(eyes shape / nose bridge / jawline)
皮肤质感(undertone / specular highlights / micro pores)
妆容状态(natural dewy / glossy / subtle flush)
发型细节(messy high ponytail / loose strands falling around face)

→ 模型对具体解剖学词汇比对形容词("beautiful")响应更好

2. 矛盾修饰(Controlled Contradiction)

好 prompt 常有刻意的矛盾对:

"seductive playful yet slightly vulnerable"
"intensely seductive with soft doe eyes"
"harsh fluorescent light mixed with warm neon"

→ 制造张力,避免扁平化表情和光线

3. 光源命名(Named Light Sources)

不说"good lighting",说:

"harsh convenience store fluorescent from above"
"pink and blue neon glow from window outside"
"warm practical lamp on bedside table"

→ 多光源叠加 = 立体感 + 电影感

4. 相机/胶片元语言

胶片感:35mm film photography, authentic film grain, slight color cast
电影感:cinematic editorial style, shallow depth of field, anamorphic lens flare
手机抓拍感:iPhone snapshot, slightly blurry, amateur composition
CCD闪光:CCD digital camera flash, harsh on-camera flash, 2000s aesthetic

5. 长宽比 + 用途明确化

末尾加用途说明比只加比例好:

❌ 9:16
✅ 9:16 mobile screenshot aspect ratio, vertical portrait for social media

分类案例库

快速定位:

需求	查阅
人物肖像 / 写真风	`references/portrait.md`
海报 / 插画 / 信息图	`references/poster.md`
角色设定表 / 三视图 / 动作分镜表(movement sheet)	`references/character-sheet.md`
UI / 伪截图 / 社媒 mockup	`references/ui-mockup.md`
场景合成 / 风格迁移	`references/scene-composite.md`
电影分镜 / 风格化绘画(Jibaro / Ghibli / 油画感)	`references/cinematic-storyboard.md`
结构化 JSON Prompt(活动页/数据报告/信息图/UI)	`references/structured-json-prompt.md`
大规模栽格列表海报(年度榜单 / 周期表 / 100 大全)	`references/grid-list-poster.md`
参数化模板机制(`{argument}` 跨流派通用)	`references/parametric-template.md`
角色场景模板库(同一角色批量套不同场景皮 / 3 种 ID 注入机制 / 6 种挡脸方式 / 防小错 negative)	`references/character-scene-templates.md`
126 案例分类检索(按需求快速定位典型案例)	`references/case-index.md`
原始数据(可 grep / 检索)	`raw-data/awesome-gpt-image-2-zh.md`

流派区分:

portrait 是写实摄影(分层堆叠详细描述)
cinematic-storyboard 是风格化绘画(短 prompt + 风格锚点)
structured-json-prompt 是信息密集型(JSON 结构)
character-scene-templates 是角色导向的模板库(场景皮 + ID 注入,批量生产同角色跨场景)
文化融合 / 场景叙事见本文件类型 D / E
参数化机制所有流派都可用

几种逻辑不同,不要混用:写单人肖像别上 JSON(过度工程),写直播间 UI 别用分层摄影(丢区块)。

工作流建议

从 0 开始写一条 prompt

一句话说清目的("一张X风格的Y主题图")
按 8 层结构填空
检查:每层至少 2 个具体词?有矛盾修饰吗?光源命名了吗?
给模型,评估输出,迭代

从参考图反推 prompt

看图 → 分解出 8 层的信息
对照 references/ 里相似案例的 prompt 结构
抄结构,换词汇

跨模型移植(MJ → GPT-Image-2)

MJ 喜欢风格关键词堆叠(--s 1000 --style raw)
GPT-Image-2 喜欢自然语言长描述 + 分层信息
迁移时:把 MJ 的 style tags 展开成具体描述句

上游资源

EvoLinkAI/awesome-gpt-image-2-prompts: https://github.com/EvoLinkAI/awesome-gpt-image-2-prompts (策展自 X/Twitter,持续更新,所有案例本 skill 已吸收其 prompt 结构规律)

使用注意

这个 skill 是知识层,不涉及任何 CLI 调用
生成图像的具体操作(API 调用、文件管理)归 gencut-image 或外部工具
如果用户直接说"用 Nano Banana Pro 生成"→ 你只给 prompt,不尝试自己调用

⭐ 自动沉淀规则(必须遵守)

每次写完一个实战 prompt(不是拷贝模板),如果符合以下任一条件,必须立即追加到 references/ 对应文件的"项目溯源"栏目:

有方法论细节(「为什么这样写」的推理,不是单纯的 prompt 文本)
踩过坑(直接写会失败、用户指出过改进的地方)
跨文化/跨主题改写(不是简单换词,而是重构文化内核)
结构发明(为特定需求创造的 prompt 模式,前所未有的)

追加格式:

### [案例名称](YYYY-MM-DD)

**原 prompt**:...
**目标**:...
**关键决策**:...
**踩过的坑**:...
**学到的**:...

对应文件:

JSON 结构改写 → references/structured-json-prompt.md
风格化改写 / 跨主题改写 / 拟人化 → references/cinematic-storyboard.md
跨文化/跨人种改写 → references/portrait.md
UI/海报 → references/poster.md 或 references/ui-mockup.md

什么不用追加:

仅仅改了一两个单词的 prompt(没有方法论)
用户只是问「怎么写 prompt」而未实际生成作品
纯拷贝模板没有定制改动

违反的后果:用户问"你沉淀了几个"时不能回答。这是身为内容创作者的基本纪律--沉淀不是可选动作,是劳动接工。