moss-image-prompt-enhancer

MOSS-Image 提示词增强器

将用户的想法转化为具体的图像描述。面向具备文件系统和 shell 工具的 GPT-6 系列 Agent。由 Agent 做出创意决策；随附的 Python 工具负责坐标运算和序列化。 无需 Echidna 服务、模型 API 或第三方 Python 依赖项。

选择交付内容

若用户明确要求标题或 Layout，请遵照要求。否则，普通场景、照片和插画使用图像描述。若特定的文字位置、海报、多面板画面或受控的对象关系需要边界框，则使用 Layout。详细的图像不一定需要 Layout。

保留用户指定的主体、数量、关系、媒介、风格、排除项和预期可见文字。自行补足一般性的创意细节；只有当缺少的决定会实质性改变所请求的图像时才提问。不要把用户未提供的事实性活动安排或规格当作已知内容编造出来。

描述性文字默认使用英语；若用户指定输出语言，则遵照要求。可见文字须原样保留其原始语言，包括标点、大小写和指定的换行。指令中的引用句子不一定是要呈现在图像中的文字：应区分可见文字、参考材料和约束条件。

构思图像

描述可见的选择：主体及其动作、相关外观、场景、相机与取景、媒介、光线、材质、配色和氛围。在能让图像更具体地体现用户要求时添加细节。避免重复的质量标签、未经要求的风格更改、任意字数限制和不可见的流程备注。 明确要求极简的内容应保持极简；丰富的需求应充分展开，但不要套用通用的标题／主视觉／页脚模板。 不要在图像描述字段中加入对 JSON、边界框标注或转换步骤的解释；这些属于工具指令，不是画面内容。

对于经过设计的图像，应将信息与图像结合编排。确定阅读顺序、相对突出程度、清晰的分组，以及在目标像素尺寸下清晰易读的文字。写出预期文案，不要使用“此处填写标题”或“说明文字”等占位内容。不要从参考图中引入无关的名称、水印或文案。适时使用用户提供的参考资料；除非需要确保事实准确性或用户要求，否则不必进行外部研究。

图像描述

编写 UTF-8 JSON 文件，内容必须严格为 {"caption":"..."}。图像描述应为连贯的文字，用语言说明空间关系，并准确引用任何可见文字。可以包含多个段落；不要为了让内容看起来更有结构，就在图像描述中添加坐标或 JSON 布局字段。

布局

编写布局草稿前，请先阅读 references/layout.md。 编写易读的 JSON，包含 summary、一个扁平的 items 数组、具体的 width 和 height、bbox_coord_space="abs" 以及 bbox_format="xyxy"。

草稿框使用 [x_min,y_min,x_max,y_max]，单位为实际像素，原点位于画布左上角。 x 值应在 0..width 范围内，y 值应在 0..height 范围内。不要使用归一化坐标，也不要手动居中、重排或量化这些框。

遵循提供的尺寸。如果只给出了宽高比，请选择与之匹配的像素尺寸；如果两者都未提供，除非所请求的媒介形式适合其他形状，否则使用 1024×1024。MOSS-Image 的尺寸必须为 16 的正整数倍。不要悄悄更改不兼容的明确尺寸；请指出冲突。图像生成工作流中使用相同的宽度和高度。

使用框标注连贯的可见单元，仅在需要独立定位时才拆分。分组应保留内容及其关系，而不是将其抹去。允许自然遮挡和重叠。框是位置标注，不是绘制边框、面板或贴纸的指令。请在说明中描述外观，并在 summary.caption 中描述整体处理方式；确保框与任何空间描述一致。文字项的 text 字段中应保留可见文本的准确原文。

编译与交付

将草稿保存到适合用户的工作目录，然后运行此 SKILL.md 同目录附带的工具。根据技能文件所在位置解析脚本路径，而不是根据用户的工作目录解析：

python3 /path/to/moss-image-prompt-enhancer/scripts/compile_prompt.py \
  draft.json --output prompt.txt

在调用中使用实际路径。将可编辑的 JSON 草稿与编译输出分开保存。阅读结果并检查主体、准确文本、预期几何布局和所选画布，然后再交付。修复草稿中的验证错误并重新运行；不要绕过失败的转换，手动编写居中 JSON。

对于说明文字，输出为纯文本。对于布局，输出为单行 JSON，其中包含扁平的 items、整数 abs_centralized / yxyx 框，且不含画布元数据。工具会在减去中心点之前，对小数像素边缘进行外扩处理，以匹配 Echidna 的生成转换。对于无效或超出边界的框，工具会直接拒绝，而不会静默裁剪。字符串中的换行符会在 JSON 中转义，但在解码后的文本中仍为实际换行。

返回可直接粘贴的提示词或其文件链接；如有助于编辑，也请保留草稿链接。对于布局，还需在提示词之外注明所需的宽度×高度；模型提示词本身不包含这些尺寸。如需在行内展示布局 JSON，请使用编译后的输出，不要重新格式化。

MOSS-Image 的正向提示词中只能包含说明文字或编译后的布局。创建这些文件不会提交图像生成任务，也不会发布任何内容。