layer-image

图层图像生成

概述

layer 技能教的循环流程是：使用 filter.use_case: "text_to_image" 调用 list_base_models，再调用 get_base_model、估算、执行并轮询。让图像可用而非差强人意的关键在于提示词和各模型的使用约定，而非模型选择；精选排名已处理了模型选择。

编辑现有图像是另一种有不同规则的用例：请参阅 layer-image-editing。精灵图、图标和游戏 UI 也有各自的限制：请参阅 layer-game-assets。要让一组图像保持相同风格：请参阅 layer-reference-sets。

如果你可用的技能中缺少此处提到的同系列技能，请让用户安装（npx skills add layerai/skills --skill <name>）；如果无人值守，则根据工具架构继续操作，并指出这一缺漏。

提示词必须说明的内容

模型会填补你留下的每一处空白，而且会用训练数据中最常见的答案来填补。以下每一项都值得明确说明，重要性大致按顺序排列：

1. 主体，具体明确。“一位矮人铁匠”胜过“一个奇幻角色”。
2. 风格类型，使用制作术语，而不是艺术家的名字：手绘、赛璐珞着色、扁平矢量、绘画式半写实、风格化 PBR 渲染、水粉画、90 年代喷枪画。
3. 镜头与构图：全身像、四分之三身肖像、俯视、等距视角、极近特写。这是最常见的遗漏，也是最常见的重生成原因。
4. 光照：主光方向、光线硬度、时段、实景光源。“从后方打来的轮廓光，下方透出温暖的熔炉光”是一项明确的选择；“良好的光照”则不是。
5. 色板，明确说明或加以限制：“低饱和的青绿色和铁锈色，仅使用两种点缀色”。
6. 背景处理：纯色、透明背景、暗示环境、完整场景。需要合成的素材必须明确说明这一点，而不能默认模型知道。

不重要的内容就不要写。面面俱到的提示词等于什么都没说，因为模型会对整段文字进行权重分配，从而削弱你真正关心的部分。

尺寸以及各模型不同的字段

宽高比和分辨率是各模型各自的使用约定。即使两个模型都用于文生图，它们支持的输入也可能不同：宽高比字符串、明确的宽度和高度，或一组固定的命名尺寸。因此，应先读取 get_base_model，不要重复使用上次奏效的参数形式。

如果交付内容有固定的宽高比，就按此筛选。filter.capabilities 是由布尔值组成的对象，而不是名称列表，因此应写作 {portrait_9_16: true}：如果用户想从同一套设置中获取多种裁剪版本，可选择 square、portrait_9_16、landscape_16_9 或 multiple_aspect_ratios。只设置任务所需的选项，因为 false 会作为筛选条件，而不是默认值。

负面提示词、参考图和种子

negative_prompt 是一项能力，并非通用参数。只有在本次运行需要时才筛选支持它的模型， 不要盲目传入：不支持该参数的模型会忽略它或报错；而支持它的模型也会因冗长的负面提示词列表而增加成本，得不偿失。仅在需要抑制某个特定且反复出现的缺陷时使用它。

三种参考类型可以引导文生图运行，上传文件后均通过 guidance_files 传入：

• reference_image 配合 image_editing 能力，用于“复现这个主体”，以及需要与参考图保持一致的新作品。较早的纯风格迁移类型是 style_reference：它只迁移外观，不会保留主体，因此用它来固定角色通常会导致角色形象走样。
• pose 配合 character_pose，用于“让角色摆出这个姿势”。
• depth、canny、lineart 或 scribble 配合 structure 或 outline，用于“保持这个布局”。

一张参考图胜过三个形容词。如果用户有图并正在用文字描述它，就上传这张图。

种子可以让运行结果可复现，这在迭代时很有用：固定种子，只改一个短语，观察它的实际作用。但种子无法让两个不同的提示词彼此保持一致。若要让一组作品保持统一的外观，就训练它：参见 layer-reference-sets。

图像中的文字

大多数图像模型都会把文字弄得一团模糊。如果交付内容需要清晰可读的文字，就筛选描述中声称支持排版的模型，缩短文字，并在提示词中用引号括起来。如果尝试两次后仍然失败，就别再反复重抽：先生成不含文字的图像，再将文字合成上去。这样也便于之后编辑和本地化。

示例

“我们类 Rogue 游戏的主视觉图，16:9，用于 Steam 页面。”

1. 调用 list_base_models，使用 filter.use_case: "text_to_image" 和 filter.capabilities: {landscape_16_9: true}。选择第一个结果。
2. 调用 get_base_model，查看它支持的尺寸字段，以及是否需要触发词。
3. 根据以上六点撰写提示词：“兜帽盗贼跃过正在坍塌的石桥，从下方以四分之三视角仰视，手绘半写实风格，左上方的冷月光勾勒出蓝色轮廓光，下方聚集着温暖的火炬光，低饱和度的石板灰与琥珀色，暴风雨照亮的废墟在身后隐入迷雾。”
4. 调用 estimate_forge_price，设置 batch_size: 4，生成同一构想的四种构图。
5. 成本低于 20 CUs，因此执行，然后按 poll_interval_seconds 轮询。
6. 展示全部四张。选出一张，固定其种子，每次只迭代一个短语。

常见错误

• 不说明镜头和取景方式，然后反复使用同一个提示词重抽，期待得到不同的裁切效果。
• 用文字描述参考图，而不上传图片。
• 向未声明支持该能力的模型传入 negative_prompt。
• 沿用其他模型的尺寸字段，而不是查看 get_base_model。
• 用 batch_size 生成 N 个不同的素材。它生成的是同一个提示词的多个变体。
• 为了得到清晰可读的文字，反复重抽到第六次，而不是将文字合成到图像中。
• 堆叠五个风格形容词，结果各种风格相互平均，反而都不明显。