image-generation

图像生成

将模糊的图像需求转化为足够精确的提示词规格，让任何合格的图像模型——尤其是本仓库自动化所用的 fal-ai/nano-banana-pro（运行于 FAL.ai）——都能生成用户实际想要的图像。提示词规格是交付成果；自动化配置完成后，生成的文件则是额外收获。**首要原则：绝不使用模糊的提示词生成图像。**薄弱的提示词会浪费生成额度，也无法让你学到任何东西；精确的规格则可以永久复用。

何时使用／何时不使用

适用于通用图像：主视觉图、插画、缩略图、信息图、纹理、概念艺术，以及任何一次性视觉素材。以下情况请转交：

• 电商／营销用产品图 → skills/creative/product-photography
• 适配平台尺寸的社交内容 → skills/creative/social-graphics
• 徽标、图标、图案、品牌标识 → skills/creative/brand-asset
• 尚无视觉方向且需要保持一致性 → 先运行 skills/creative/creative-strategist，并使用其风格区块
• 完整的多素材营销活动 → 由 skills/creative/orchestrator 进行路由

需求收集

一次性询问所有缺失的信息：

1. 主体 — 图像中具体要呈现什么？（物体、场景、人物、文字？）
2. 用途 — 图像会放在哪里？（这决定宽高比和分辨率）
3. 风格参照 — 现有的风格指南／creative-strategist 风格区块、参考图，还是 3 个描述氛围的形容词？
4. 自动化 — 是否已设置 FAL_API_KEY，以便生成图像？还是只需交付规格？

自行推断，不要询问：根据目标用途推断宽高比（缩略图 → 16:9， 快拍 → 9:16，信息流 → 1:1 或 4:5）；根据重要程度推断分辨率（默认为 2K， 主视觉图／印刷品用 4K，草稿用 1K）。**不要停滞不前：**如果主体和用途明确，就说明其余部分的假设并继续。

工作流

1. **检查是否有风格区块。**如果用户已运行 skills/creative/creative-strategist，则在每个提示词中原样复用其风格区块。如果没有，且这是一次性需求，则根据上下文提炼一个最简风格区块（风格＋配色＋氛围），并标明这是一个假设。

2. **使用 5 部分公式起草提示词。**每个提示词都按以下顺序包含： 主体（具体描述主要内容，例如“带金色点缀的奢华皮革腕表”，绝不只写“腕表”）→ 描述细节（材质、颜色、需要呈现的文字）→ 风格（“专业产品摄影”“现代扁平插画”“照片级写实”）→ 技术处理（灯光、构图、焦点、“4K，细节丰富”）→ 氛围（“温暖且令人愉悦”）。 添加否定限制时，使用直接的禁止语句（“不要添加文字叠层”“不要水印”“不要杂乱的背景”）。

3. **确定变体策略。**如果只是临时草稿 → 生成 1 张 1K 图像。如果是要保留的素材 → 提出 3–4 个真正不同的提示词规格（改变构图或风格方向，而非替换同义词），分别生成 1 张，或为胜出的方案设置 num_images 为 3–4，并让用户选择。主视觉素材绝不能只提供一个选项。

4. **生成或交付。**如果已设置 FAL_API_KEY（或 FAL_KEY）：

   python docs/creative_cli.py custom \
     --category "<category>" --name "<asset-name>" \
     --prompt "<full prompt>" \
     --aspect-ratio 16:9 --resolution 2K --num-images 3
   

   只有当图像必须反映当前的真实世界数据（例如“2026 年趋势信息图”）时才使用 --web-search。如果没有设置密钥，则交付提示词规格区块和用户之后可运行的准确命令——不要伪造结果或声称已生成图像。

5. **检查并迭代。**将输出与规格中的氛围／风格／否定限制进行比较。通过编辑提示词来修正偏差（更具体地描述主体、明确灯光、加强禁止要求）——没有其他模型参数可调整。最多迭代一轮，然后与用户确认。

编写任何生成命令前，请阅读 references/automation.md——其中包含完整且经过验证的参数集、CLI 标志、Python 辅助函数和输出布局。

必需的输出格式

每项素材输出一个代码块（无论是否生成，都必须使用此确切结构）：

## Prompt Spec — [asset name]
- **Use / destination:** [where it will live]
- **Subject:** [the main thing, concretely]
- **Style:** [artistic treatment]
- **Composition:** [framing — centered / rule of thirds / negative space / overhead]
- **Lighting:** [studio / natural golden hour / dramatic rim / high-key]
- **Mood:** [2–3 adjectives]
- **Aspect ratio:** [one of 21:9 16:9 3:2 4:3 5:4 1:1 4:5 3:4 2:3 9:16] · **Resolution:** [1K/2K/4K] · **Format:** [png/jpeg/webp]
- **Negative constraints:** [what must NOT appear]
- **Prompt (final, paste-ready):**
  > [single flowing prompt assembled from the fields above]
- **Variants:** [n] — [what varies between them]
- **File naming:** assets/<category>/<asset-name>/<asset_name>_<n>_<timestamp>.png (automation default)
- **Generate with:** `python docs/creative_cli.py custom --category ... --name ... --prompt "..." --aspect-ratio ... --resolution ... --num-images n`

如果生成了图像，请在 Results 下附上保存路径，并用一行说明你推荐哪个变体及原因。

质量标准

交付前，核对每项规范：

• 主体足够具体，以便两个陌生人都能想象出同一幅图像
• 明确说明风格、光线、构图和氛围，不能将任何一项留给模型默认决定
• 纵横比符合指定用途（不能因为默认设置而使用 1:1）
• 列出负面约束（至少包括：无水印；明确说明文字策略，因为模型难以准确呈现长文本）
• 不得虚构参数——只能使用 references/automation.md 中的参数；模型始终为 fal-ai/nano-banana-pro
• 保留素材至少要有 3 个不同变体，不能只生成一个版本
• 如果未运行自动化，交付内容必须说明这一点，并包含可运行的命令

严格禁止：绝不声称生成了实际并未生成的图像；绝不要只把品牌颜色的十六进制代码放在引号里，必须同时用文字描述颜色（例如“深海军蓝 #004E89”）；绝不要在图像中渲染整段文字。

集成

• skills/creative/creative-strategist → 为此技能提供其风格区块（粘贴到每个提示词的风格／氛围／光线字段中）。
• skills/creative/product-photography、skills/creative/social-graphics、skills/creative/brand-asset → 专用前端会生成各自的提示词规范，并使用相同的自动化；符合请求时应转到对应前端。
• skills/creative/product-video 和 skills/creative/remotion-script-writer → 使用生成的静帧作为源帧／素材。
• references/automation.md — FAL.ai 客户端、CLI 和 Python 助手的完整参考。准备运行生成命令时，请阅读此文档。