multi-agent-image

マルチエージェント画像

multi-agent-image は、画像生成ワークフロー向けの独立した Hermes スキルです。

単純な一行のプロンプトだけでは不十分なケースを想定して設計されています。ユーザーの入力をそのまま画像モデルに送るのではなく、このスキルは次の処理を行います。

1. リクエストを分析し、
2. デザインを考慮したプロンプトにまとめ、
3. gpt-image-2 で生成し、
4. 結果をアーカイブし、
5. さらに、成功した出力を今後のスタイル参照として再利用できます。

このスキルは実行時に独立して動作します。デザインコンパイラーはこのリポジトリに組み込まれており、外部スキルは必要ありません。

使用する場面

次のいずれかをユーザーが求めている場合に、このスキルを使用してください。

• デザイン性を重視したポスターの生成
• 商品画像や広告ビジュアル
• PPT の表紙ビジュアルや章のアート
• インフォグラフィック風のビジュアルや、教育・デモ用のビジュアル
• 過去に生成した画像のスタイル参照の再利用
• 対話形式の「まず例を見せてから生成」フロー
• 複数の方向性やアスペクト比での一括生成
• 複数の画像で共通のビジュアル言語を使用するシリーズ生成

次の用途には、このスキルを使用しないでください。

• ピクセル単位で正確な UI の再現
• 編集可能なグラフ
• 画像内の正確なタイポグラフィの出力
• ラスター画像ではなく、ベクター、HTML、または PPT ネイティブのアセットが必要なタスク

アーキテクチャ

User Request
    ↓
[Prompt Engineer]
    ↓
[Style Scout]
    ↓
[Internal Design Compiler]
    ↓
[GPT-Image-2 Generation]
    ↓
[QA + Archive]
    ↓
[Case Library]

メインの処理経路に追加できるオプションのレイヤー：

• 対話形式の参照選択
• 一括生成
• シリーズ生成

セットアップ

1. スキルをデプロイする

スキルのソースは次の場所にあります。

~/.hermes/skills/multi-agent-image/

実行時ファイルを作業ディレクトリにインストールします。

python3 ~/.hermes/skills/multi-agent-image/scripts/install.py

これにより、次のものが準備されます。

• ~/.hermes/agents/multi-agent-image/output/
• ~/.hermes/agents/multi-agent-image/case_library/
• エージェントの役割フォルダーとメモリファイル
• スキルからコピーされたローカル実行時スクリプト

2. Python の依存関係をインストールする

pip install openai requests

3. API キーを設定する

export OPENAI_API_KEY="sk-..."

このキーは、このスキル内の apimart 互換 GPT-Image-2 エンドポイントで使用されます。

主なコンポーネント

scripts/design_compiler.py

内部プロンプトコンパイラーです。

役割：

• タスクの種類を検出する
• アスペクト比と品質のデフォルト値を選択する
• design_reasoning を構築する
• compiled_brief に要約する
• 最終的な生成プロンプトを作成する

このスキルを独立して動作させる中核ロジックです。

scripts/design_image.py

内部コンパイラーの CLI エントリーポイントです。

次の用途で使用してください。

• プロンプトのみを出力する
• ローカルでデザインコンパイルをテストする
• マルチエージェントの完全なワークフローを介さずに直接生成する

例：

cd ~/.hermes/agents/multi-agent-image
python3 design_image.py \
  --task poster \
  --brief "AI训练营招生海报，强调速度、增长、实战" \
  --direction balanced \
  --aspect 3:4 \
  --prompt-only

次の項目を出力します。

• design_reasoning
• compiled_brief
• prompt
• settings

scripts/orchestrator_v2.py

メインワークフローのエントリーポイントです。

役割：

• プロンプト分析を実行する
• タスクと生成パラメーターを選択する
• 必要に応じてケースライブラリから参照を選択する
• 内部コンパイラーを呼び出す
• GPT-Image-2 を呼び出す
• 出力をアーカイブする
• 成功した結果をケースライブラリに自動保存する

scripts/gpt_image2_generator.py

低レベルの GPT-Image-2 クライアントです。

役割：

• 非同期の生成タスクを送信する
• タスクのステータスをポーリングする
• 画像の結果をダウンロードする

完全なワークフローを介さず、API に直接アクセスする場合に使用してください。

scripts/case_library.py

過去の生成結果を保存する永続ライブラリです。

役割：

• タスクの種類ごとに出力を保存する
• メタデータと評価を保存する
• brief、プロンプト、またはタグで検索する
• 参照として再利用する画像のパスを返す

scripts/case_selector.py

Hermes の対話フロー向けのインタラクティブなヘルパーです。

役割：

• ユーザーに表示する選択テキストを生成する
• 1、n、case_001、搜索蓝色 などの返信を解析する

scripts/interactive_run.py

2 段階の対話ラッパーです。

生成前にユーザーへ確認する必要があるワークフローで使用してください。

scripts/batch_generator_v2.py

一括生成のエントリーポイントです。

次をサポートします。

• 同じ brief で複数の方向性を生成する
• 同じ brief で複数のアスペクト比を生成する
• 1 回の実行で複数の brief を処理する

scripts/series_generator.py

スタイルの一貫性を保つシリーズ生成ツールです。

ワークフロー：

1. マスター画像を生成します
2. コンパイル済みブリーフからスタイルの特徴を抽出します
3. 同じビジュアルシステムに沿った子画像を生成します

templates/linear_batch.py

再開可能な逐次実行用の編集可能なテンプレートです。

次のような場合に便利です：

• シーンを明示的にリスト化したい場合
• ファイルシステムを使って進捗を監視したい場合
• 最初に生成した画像からスタイルを引き継ぎたい場合

内部デザインコンパイラー

内部コンパイラーは、次の3つのレイヤーを生成します。

1. design_reasoning

生成前のデザイン意図を記録します。

一般的なフィールド：

• task
• communication_goal
• audience
• channel
• visual_system
• hierarchy_strategy
• safe_zone_strategy
• lighting_strategy
• palette_strategy
• anti_filler_rules
• anti_slop_rules

2. compiled_brief

生成用に圧縮されたデザインブリーフです。

次の内容が含まれます：

• 画像の用途
• 視覚的に何を際立たせるべきか
• どのスペースを空けておくべきか
• 何を避けるべきか

3. prompt

GPT-Image-2 に渡す最終的なモデル向けプロンプトです。

プロンプトは、スタイルキーワードのリストだけではなく、デザインのロジックに基づいて生成されます。

対応タスク

組み込みコンパイラーは、次のタスク分類を理解します。

• poster
• product
• ppt
• infographic
• teaching
• auto

デフォルトのアスペクト比：

• poster → 3:4
• product → 1:1
• ppt → 16:9
• infographic → 4:3
• teaching → 16:9

方向性のモード：

• conservative
• balanced
• bold

品質モード：

• draft
• final
• premium

現在の生成チャンネル：

• gpt-image-2

使い方

クイックスタート

cd ~/.hermes/agents/multi-agent-image
python3 quick_start.py "AI训练营招生海报，强调速度、增长、实战"

プロンプトのみのコンパイル

cd ~/.hermes/agents/multi-agent-image
python3 design_image.py \
  --task product \
  --brief "高端陶瓷咖啡杯电商首图，温暖晨光，突出釉面质感" \
  --prompt-only

オーケストレーションによる完全な生成

from orchestrator_v2 import run

run("AI训练营招生海报，强调速度增长实战")

タスクとビジュアル設定を指定する

from orchestrator_v2 import run

run(
    "高端咖啡杯商品图",
    task="product",
    direction="balanced",
    aspect="1:1",
    quality="final",
    use_reference=False,
)

インタラクティブなワークフロー

生成前に Hermes が確認する必要がある場合は、2段階のパターンを使います。

フェーズ 1：ユーザー向けのテキストを準備する

from interactive_run import prepare

text = prepare("帮我做张 AI 训练营海报", task="poster")
print(text)

フェーズ 2：ユーザーの選択後に実行する

from interactive_run import execute

result = execute("帮我做张 AI 训练营海报", user_choice="1", task="poster")

対応する返信パターン：

• 1、2、3
• n
• y
• case_001
• 搜索蓝色

バッチ生成

同じブリーフで複数の方向性を生成する

from batch_generator_v2 import batch_styles

batch_styles("AI训练营海报", task="poster")

同じブリーフで複数のアスペクト比を使う

from batch_generator_v2 import batch_aspects

batch_aspects("AI训练营海报", task="poster", aspects=["1:1", "16:9", "9:16"])

複数のブリーフを使う

from batch_generator_v2 import batch_briefs

batch_briefs(["海报A", "海报B", "海报C"], task="poster")

シリーズ生成

複数の出力に、同じキャンペーンや製品ファミリーの一部であるような統一感を持たせる場合に使います。

from series_generator import SeriesGenerator

sg = SeriesGenerator()
sg.create_series(
    master_brief="AI训练营系列视觉，科技蓝，专业商务感",
    items=[
        {"name": "主海报", "brief": "AI训练营招生主海报", "aspect": "3:4"},
        {"name": "Banner", "brief": "官网 Banner", "aspect": "16:9"},
        {"name": "朋友圈", "brief": "朋友圈推广方形图", "aspect": "1:1"},
    ],
    task="poster",
    direction="balanced",
)

ケースライブラリ

ケースライブラリのディレクトリ：

~/.hermes/agents/multi-agent-image/case_library/

出力ディレクトリ：

~/.hermes/agents/multi-agent-image/output/

一般的なケース構成：

case_library/
├── poster/
│   └── case_001_example/
│       ├── image.png
│       └── metadata.json

一般的なメタデータフィールド：

• case_id
• task
• brief
• prompt
• params
• tags
• rating

検証ガイダンス

大規模に生成する前に、まずプロンプトの品質をテストしてください：

python3 design_image.py \
  --task poster \
  --brief "AI训练营招生海报，强调速度、增长、实战" \
  --direction balanced \
  --aspect 3:4 \
  --prompt-only

確認事項：

• design_reasoning に明確なコミュニケーション目標が記載されていますか？
• セーフゾーンが明示されていますか？
• 階層構造は明確ですか？
• anti_slop_rules によって、HUD オーバーレイ、霧、汎用的なごちゃつきが取り除かれていますか？
• プロンプトは、要素を寄せ集めるのではなく、力強い単一のビジュアルアイデアを説明していますか？

現在の制限事項

• 現在の画像プロバイダーは gpt-image-2 を中心にしています
• QA スコアリングは意図的に簡易的なものです
• シリーズ生成は単発生成よりも負荷が高くなります
• このスキルは編集可能なアセットではなく、ラスター画像の出力に最適化されています
• 一部の参考ドキュメントは必要以上に長いままですが、主要な実行経路には一貫性があります

バージョン履歴

• v1.0.0 GPT-Image-2 生成向けの初期マルチエージェントワークフロー
• v2.0.0 ケースライブラリ、インタラクティブな参考資料選択、画像から画像へのスタイル再利用を追加
• v2.1.0 ダウンロードの再試行ロジック強化、バッチワークフロー、シリーズ生成を追加
• v2.2.0 インストールスクリプトと実行時レイアウトを備えた、再利用可能な Hermes スキルとしてパッケージ化
• v3.0.0 デザインコンパイラーを内部化し、外部ランタイム依存関係を削除