Image Prompting

Обзор

Переиспользуемый метод превращения контент-брифа в точный воспроизводимый промпт для современного instruction-following генератора изображений (семейство gpt-image и аналоги). Загружается, когда задаче нужен визуал: обложка блога, превью видео, картинка для соцпоста, встроенная иллюстрация, диаграмма/инфографика, логотип или правка существующего изображения.

Скил производит промпт и проход верификации, а не само изображение. Он не вызывает render-API — он даёт вызывающему текст для подачи в генератор, настройки размера/качества и чек-лист для оценки результата.

Основной принцип

Генератор рисует то, что может вывести из данных ему слов. Доминируют два режима отказа — недоспецификация (он выдумывает пропущенное) и дрейф (между правками нужное молча меняется). Весь playbook побеждает оба:

1. Называть каждое несущее решение — субъект, медиум, кадрирование, свет, палитру и любой литеральный текст. Иначе модель решает за вас, каждый раз по-разному.
2. Разделять что должно меняться и что оставаться — задавать инварианты явно и повторять их на каждой итерации. Самая высокорычажная привычка.
3. Менять одну переменную за проход — изолированные правки отлаживаемы, переписывания — нет.

Цикл

интейк → spec → промпт → рендер → верификация → (доводка одной переменной) → ship

Оставаться в spec, пока бриф не однозначен. Большинство впустую потраченных рендеров — от тонкого spec, а не слабой модели. Интейк разрешает назначение, субъект, размещение, текст-в-изображении, бренд/стиль-якорь, настроение и hard-noes — спрашивая только когда ответ меняет картинку.

Анатомия промпта

Строить промпт снаружи внутрь: [назначение/медиум] → [сцена/фон] → [субъект + поза] → [ключевые детали] → [композиция/кадр] → [свет] → [палитра/настроение] → [литеральный текст в кавычках] → [негативные ограничения / инварианты]. Для переиспользуемого или передаваемого другому агенту — предпочесть форму «строка на слот»: поддерживаемо, diffable, легко варьировать по одному слоту.

Рычаги

• Композиция — кадрирование, ракурс камеры, размещение субъекта, глубина и намеренное негативное пространство под последующий оверлей текста/лого (приём, делающий обложки и превью пригодными).
• Стиль и медиум — сначала визуальный медиум (фото, 3D, плоский вектор, акварель, изометрия…), затем квалификаторы по мере надобности. Называть конкретный референс-регистр («редакционная журнальная иллюстрация»), а не имя художника.
• Камера и оптика — только для фотореализма: явное слово «photorealistic», фокусное расстояние, диафрагма/ГРИП, плёночные/сенсорные маркеры, маркеры достоверности.
• Свет — направление, качество (мягкий/жёсткий), время/температура, спецэффекты (объёмный, контурный, high/low-key). Задаёт реализм и настроение сильнее любого другого фактора.
• Настроение и палитра — одно-два прилагательных, проведённых насквозь; конкретно названная палитра (или hex-якоря под бренд).

Текст в изображении, ограничения и размер

По умолчанию держать текст ВНЕ сгенерированного изображения и накладывать его в layout-инструменте — легибельнее, ближе к бренду, тривиально редактируемо. Когда слова нужно запечь — брать точную строку в кавычки, задавать типографику как ограничения и добавлять «render this text once».

Различать исключения («no watermark», «no extra text») и инварианты («keep the same face, pose, background») — и повторять полный список инвариантов на каждой итерации, так как между ходами они не сохраняются. Запрашивать нативную пропорцию под размещение (16:9 обложки/OG, 9:16 сторис, 1:1 посты) и давать инструменту рендерить её нативно, а не апскейлить квадрат.