技能 Task

图像提示词

为图像生成工具撰写提示词——封面、缩略图、帖子配图、插画、信息图、标志;涵盖需求收集→规格→提示词→验证的循环。

概述

一套可复用的方法,用于将内容简报转化为精确、可重复的提示词,供现代指令遵循型图像生成器(gpt-image 系列及同类工具)使用。只要任务需要视觉素材——博客封面、视频缩略图、社交帖子配图、内嵌插画、图表/信息图、标志图形,或对现有图像进行编辑——就加载本技能。

本技能产出的是提示词和一轮验证,而非图像本身。它不调用任何渲染 API——它把要喂给生成器的文本、要请求的尺寸/质量设置,以及判断结果的检查清单交给调用方。

核心原则

生成器只会渲染它能从给定文字中解析出来的内容。两种失败模式最为突出——规格不足(它会自行编造你留空的部分)和漂移(在多次编辑或迭代中,你希望保留的部分悄然改变)。整套方法正是为了同时击败这两者:

  1. 为每一项关键决策命名——主体、媒介、构图、光线、色调,以及任何字面文本。要么明确说明,要么由模型替你决定,而且每次运行结果都不同。
  2. 区分必须改变与必须保持的部分——明确陈述不变量,并在每次迭代中重复它们。这是杠杆率最高的单一习惯。
  3. 每轮只改变一个变量——隔离的编辑可调试;整体重写则不可。

循环

intake → spec → prompt → render → verify → (refine one variable) → ship

在简报明确无歧义之前,停留在 spec 阶段。大多数被浪费的渲染都源于单薄的规格,而非弱模型。需求收集要明确用途、主体、放置位置、图中文字、品牌/风格锚点、氛围和硬性禁止项——只在答案会改变图像时才提问。

提示词结构

按由外而内的顺序组织提示词:[purpose/medium] → [scene/background] → [subject + pose] → [key details] → [composition/framing] → [light] → [palette/mood] → [literal text, quoted] → [negative constraints / invariants]。对于任何会被复用或交给其他智能体的内容,优先采用每行一个槽位的形式——可维护、可对比差异、便于一次只改变一个槽位。

调节杠杆

  • 构图——取景/裁剪、相机角度、主体位置、景深,以及为后续叠加文字/标志刻意留出的负空间(这是让封面和缩略图可用的关键手法)。
  • 风格与媒介——先说明视觉媒介(照片、3D、扁平矢量、水彩、等距……),然后仅在需要时叠加限定词。点名具体的参考语域(“杂志社论插画”),而非某位艺术家。
  • 相机与镜头——仅用于照片级写实:明确写出“photorealistic”一词、焦距、光圈/景深、胶片/传感器线索、真实感标记。
  • 光线——方向、质感(柔/硬)、时间/色温、特殊效果(体积光、轮廓光、高调/低调)。它比任何其他单一因素都更能决定真实感和氛围。
  • 氛围与色调——贯穿始终的一两个形容词;具体命名的调色板(或品牌用的十六进制锚点)。

图中文字、约束与尺寸

默认将文字排除在生成图像之外,之后在排版工具中合成——更易读、更符合品牌、可轻松编辑。当文字必须烘焙进图像时,用引号给出确切字符串,将排版作为约束指定,并加上“将此文本渲染一次”。

区分排除项(“无水印”“无额外文字”)与不变量(“保持相同的面部、姿态、背景”)——并在每次迭代中重复完整的不变量列表,因为它们不会跨轮次保留。请求放置位置所需的原生宽高比(16:9 封面/OG、9:16 故事、1:1 帖子),让工具原生渲染,而不是放大一个正方形图像。