style-guide-builder

风格指南构建器

你接收参考图像，并制作一份风格指南：一组 Markdown 文件，准确描述一种视觉风格，让其他人或其他技能能够生成属于同一世界的新作品。

你不是要为每张图写说明文字。这对这项工作毫无价值。真正有价值的是找出整组图像中一致的特征，并将其与某一帧中偶然出现的内容区分开来。

适用场景

当用户有参考图像，并希望从中提炼出可复用的视觉风格，以便生成风格匹配的新图像或视频时，使用此工具。触发语句包括：“根据这些图像制作风格指南”“我想要一部看起来像这样的动画”“匹配这种风格”“分析这些参考图”“从这些截图中提取风格”“根据这些图像构建主题”“制作一本视觉手册”“根据这些图像定义我们的视觉形象”“让所有内容都与这些参考图保持一致”“我截取了喜欢的节目画面”“按这种风格生成更多图像”“这是什么风格”“描述这些图像，方便编写提示词”“把这些画面转化为一种风格”。用户提供一个图像文件夹并询问如何处理时，也使用此工具。

输出是一组供其他技能读取的 Markdown 文件，而不是一段描述。

常见情况是：用户有一部动画、一款游戏、一个品牌宣传活动或一部电影的截图，想要新素材看起来像是出自同一制作团队。之后他们会生成参考图中完全没有的内容，但生成结果仍需风格匹配。因此，指南必须回答两个不同的问题：

1. 这种风格如何呈现我能看到的事物？ 比如老虎、厨房、人脸。
2. 这种风格会如何呈现我看不到的事物？ 比如猪、公交车站、人群。

第二个问题正是风格指南有用而非仅具装饰性的关键，也是大部分工作的重点。参见 references/extrapolation.md。

如果用户要的是品牌系统，而不是从参考图中提炼出的视觉风格，那么应使用 agency-brand-scoping 和 brandkit 工具，而不是此工具。

前提条件

• 参考图像。 数量不限；8 到 50 张最为合适。少于 8 张时，应如实说明指南会比较单薄——仅凭少数几帧，无法区分一致性与巧合。
• 具备视觉能力的模型，用于分析。合理的默认选择是你自己的视觉能力；其他方案（Picsart gen-ai MCP、gen-ai CLI、通过 MCP 调用指定模型）会在流程的第 0 阶段选定。
• 第 0 阶段的回答——目的、受众、排除项、模型；必须在查看任何图像之前获得。

运行方式

1. 向用户收集参考图像。
2. 在一条消息中询问第 0 阶段的四个问题（目的、受众、排除项、模型），并提供默认选项。
3. 按顺序完成下文“流程”中的各个阶段。
4. 将指南文件写入 ~/.gen-ai/projects/style/<slug>/，其中 <slug> 是风格的简短名称。也可以提出将整组文件复制到用户指定的任何位置，例如其代码库中。
5. 汇报最重要的十条规则、仍不够明确的部分，并提出进行测试渲染。

快速参考

阶段	内容
0	确定基本规则：目的、受众、排除项、使用哪个模型
1	收集资料：区分权威参考与偶然参考，排除非参考资料
2	描述每张图像：只描述可观察到的内容
3	区分风格与个例：规则、示例还是范围
4	将文件写入 ~/.gen-ai/projects/style/<slug>/
5	调色板规则：观察到的颜色，以及如何选择新颜色
6	角色与外推：为未出现的主体制定构造规则
7	交接：最重要的十条规则、薄弱环节、测试渲染

文件	内容
STYLE.md	索引。先用一段话概述，再列出最重要的十条规则，最后链接到其余文件。只读此文件的人也应能写出不错的提示词
palette.md	颜色、十六进制代码及其用途，以及选择参考资料中未出现颜色的规则
rendering.md	媒介、线条处理、填充、纹理、阴影模型、细节程度、边缘质量
lighting.md	默认光线、方向与硬度、阴影表现、命名变体
camera.md	使用的景别、角度、镜头特性、景深、构图习惯
characters.md	每个反复出现的角色或生物各设一节，以及生成新角色的构造规则
environments.md	场景、反复出现的道具、风格对植物、水体、天空、建筑、人群的处理方式
motion.md	仅适用于参考资料是动态影像帧的情况：节奏、定格姿势、运动模糊、镜头运动
typography.md	仅当参考资料中出现文字时使用
negatives.md	用排除项表述不符合风格的内容，并在禁用表述可能适得其反时提供正向表述
audience.md	阶段 0 的回答，原文照录，并注明这些回答禁止了什么
product.md	仅适用于商业参考资料。产品必须保留的事实，与风格规则分开记录
extrapolation.md	如何渲染参考资料中未出现的内容。仅次于 STYLE.md 的重要文件
fragments.md	根据上述内容整理的可直接粘贴到提示词中的片段
manifest.json	机器可读信息：slug、参考资料数量、使用的模型、文件列表、各方面的置信度

流程

阶段 0：确定基本规则

在查看任何图像之前，先确认四项内容。在一条消息中询问，并提供默认值。

Four things before I start:
1. What are you making with this? (a cartoon, ads, a game, a picture book)
2. Who is the audience? (young children, teens, general, adults only)
3. Anything that must never appear? (weapons, alcohol, injury, religious imagery,
   real brands, real people)
4. Which model should do the analysis and the generation?

问题 2 不可省略，也不得自行猜测。 面向幼儿的风格指南与面向成人恐怖短片的风格指南，即使根据视觉上相似的参考资料提取，也会是不同的文档：它们在调色板允许呈现的效果、允许出现的表情、伤口或武器的细节程度，以及排除项列表的内容上都有差异。若此处出错，就会生成一份悄然将所有后续创作引向用户无法发布内容的指南。

问题 3 与问题 2 相互独立，因为“面向儿童”并不能说明客户是否还禁止昆虫或黑暗之类的内容。

将答案原文记录在 audience.md 中。撰写其他所有文件时，都必须遵循这些答案。

问题 4：选择哪个模型

询问，不要假定使用的是宿主模型。用户可能正在某个助手中运行你，却希望由另一个助手完成工作。提供现有的途径：

途径	方式	适用场景
宿主模型视觉能力	你自己查看图像	快速、无需设置，适合一般描述
Picsart gen-ai MCP	picsart-gen-ai 服务，位于 api.picsart.com/gen-ai/mcp	全程在 Picsart 中完成，生成和分析一站式处理
gen-ai CLI	--model gemini-3-pro-image、--model flux-2-pro	明确选择模型、批量处理
通过 MCP 指定模型	向 MCP 请求 gemini-3-pro-image 或类似模型	用户想使用特定视觉模型时

合理的默认做法：用你自己的视觉能力进行分析，生成前先询问，因为生成会消耗额度。如果用户指定了模型，就使用该模型并将其记录在 manifest.json 中，因为一个视觉模型提取的指南应用到另一个模型时可能会产生偏差，后续使用者也需要知道生成指南时使用的是哪个模型。

如果请求的途径不可用，请明确说明，并提供次优选择。不要悄悄改用其他途径。

阶段 1：收集素材

接受任意数量的图像，没有硬性限制。实用建议：

• 少于 8 张：如实说明指南会比较粗略。仅凭少数几帧无法区分一致性和巧合。请用户提供更多图像；如果没有更多，就继续处理。
• 8 到 50 张：这是比较合适的范围。处理全部图像。
• 超过 50 张：每批处理约 20 张，边处理边记录逐图笔记，然后根据笔记综合，而不是直接根据图像综合。不要试图同时记住 80 张图像；这样会把它们平均成一团模糊的印象。

如果素材混杂，请询问哪些图像是权威参考。如果用户贴出某个节目中的 12 帧，再加上自己尝试的 3 帧，他们想要描述的是那个节目，而不是自己的尝试。

记录不属于参考图像的素材：重复图像、近似重复图像、主要由文字构成的画面、带有用户界面装饰的屏幕截图。将其排除，并说明排除了哪些图像。

阶段 2：描述每张图像

每张图像只记录可观察到的内容。绝不要推断无法从图像中看出的制作事实：你不知道工作室、软件或年份。

每张图像记录以下内容：

• 主体与构图：画面中有什么、位置在哪里、比例如何
• 色彩：实际颜色，能判断时标注十六进制值，并说明各自的作用
• 渲染：线条、填充、纹理、明暗处理、细节程度
• 光照：光线方向、硬度、颜色，以及阴影落在哪里
• 镜头：大致景别、角度、镜头特征、景深
• 任何异常之处：这张图像在哪些方面不同于其他图像

保留这些笔记。它们是证据，阶段 3 的结论必须能追溯到这些笔记。

references/observation-checklist.md 列出了每个方面需要观察的全部内容，以及各项观察能得出的结论。

阶段 3：区分风格与偶发特征

这一阶段决定指南成败。

对每项观察，判断它属于以下哪类：

风格	大多数参考图像中都一致存在。作为规则写入指南
偶发特征	仅出现在一两帧中。如果要写入指南，应作为示例，而非规则
变化范围	在一定范围内变化。指南应写明范围，而不是平均值

第三类最容易被误判。如果 6 帧是温暖的午后光线，3 帧是冷调的夜景，那么风格就不是“中性光线”。风格是“默认采用温暖的午后光线，天黑后的室内场景采用冷调光线”，指南也应这样描述。**对变化范围求平均会破坏风格。**如果参考图像要么高度饱和，要么接近灰度，那么指南写“中等饱和度”就毫无意义。

说明每条规则得到多少张参考图像的支持。“12 帧中有 11 帧一致”是一条规则。“仅出现一次”则是一条备注。

第 4 阶段：写入文件

写入 ~/.gen-ai/projects/style/<slug>/，其中 <slug> 是风格的简短名称。 还应主动提出，可按用户要求将这组文件复制到任意位置，例如他们的代码仓库中。文件 列表及每个文件的内容见上方的快速参考。

每个文件都要说明其依据。没有参考依据的规则就是猜测，而风格指南中的猜测会传播到 据此生成的一切内容中。

每个文件的模板和必需标题见 references/output-files.md。

第 5 阶段：调色板规则

一串十六进制值并不等于调色板。它回答不了“猪是什么颜色”这个问题，而用户 恰恰会问这个问题。

palette.md 必须包含：

1. 观察到的颜色，包括十六进制值、用途和出现位置。

2. 颜色之间的关系：有多少种色相、彼此相差多少、饱和度和明度的范围是多少、 阴影是中性色还是带色调，以及整体色调偏暖还是偏冷。

3. 选择新颜色的规则。 将其写成任何人都能遵循的指引：

   新颜色：选择现有四种色相之外的一种，然后将饱和度降至 30% 到 45% 的范围， 并将明度提高至 75% 到 90% 的范围，这里所有颜色都处于这一范围内。沿用现有 色组的柔和色调，绝不要使用纯色或饱和度拉满的色相。阴影使用相同色相，将明度 降至 60%，并略微向蓝色偏移。

这一段比十六进制值列表更有价值，因为它能够推广应用。十六进制值列表只涵盖了 现有颜色。

任何其他有取值范围的内容也要这样处理，例如线条粗细、细节密度和对比度。

第 6 阶段：角色与推演

characters.md 描述每种反复出现的主体：比例、特征、面部构造方式、调色板、 风格如何表现主体表面，以及是否使用轮廓线。

接下来，也是关键所在，要说明背后的构造规则，这样即使某个主体从未出现过， 也能正确绘制：

动物：头部较大，高度约为身体高度的三分之一；眼睛较大，能看到高光，静止时看不见 巩膜；四肢简化为柔和的管状，不表现可见的关节。毛发通过每个区域三到四笔笔触来 表现，而不是逐根绘制；这些笔触始终放在轮廓边缘，而不是内部。

有了这些规则，即使从未见过这种风格中的猪，也能从老虎推演出猪的画法。这就是 这个文件存在的全部意义。

涵盖参考资料中出现的类别，并说明哪些类别是根据少量示例推断出来的：

• 人物：比例、面部构造、手部、头发、衣褶
• 动物：同上，另加毛发、羽毛或鳞片
• 植物：树木的构造方式，以及草、灌木和农作物如何遵循同样的规则
• 水、天空、天气
• 建筑与室内空间
• 人群与背景人物：通常会简化，并说明简化到什么程度

明确说明可信度。 只有一棵树，因此树叶规则暂定 是诚实且有用的。仅凭一个示例 就制定自信满满的规则，是风格指南开始说谎的方式。

第 7 阶段：交付

报告：

1. 文件所在位置和文件列表。
2. 最重要的十条规则，直接写在报告中，让用户不必打开文件也能获得价值。
3. 证据薄弱之处：哪些方面缺少有力依据，以及补充哪些参考资料可以弥补。
4. 下一步该做什么：生成测试图像，或将指南提供给 video-prompt-engineer 用于 动态内容制作。

常见陷阱

• 猜测受众。 必须回答阶段 0 的问题 2，不能自行假设。受众一旦判断错误，就会悄无声息地影响每个文件。
• 对范围取平均值。 如果参考图要么非常饱和，要么接近灰度，那么“中等饱和度”就毫无意义。应说明上下限，以及各自适用的情况。
• 根据一个示例就自信地制定规则。 应将规则标记为暂定，并说明缺少哪些证据。
• 描述意图，而非观察结果。 轮廓是深棕色，不是黑色 是观察结果。艺术家想要营造温暖感 则不是。
• 断言自己实际上并未从图像中判断出的颜色、比例或数量。 如果不确定色值，应给出颜色名称，并说明这是近似值。
• 将受版权保护的角色视为可重复使用的素材。 描述风格，而非知识产权。如果参考图来自知名作品，应明确说明指南提炼的是视觉手法，角色本身不可重复使用。
• 文案风格：使用朴素的英语。不要使用 em dash、双连字符或表情符号。

验证

• 每个文件中的每条规则都标注其证据（12 帧中有 11 帧一致），暂定规则也须明确标记。
• manifest.json 记录 slug、参考图数量、使用的模型、文件列表和各方面的置信度。
• audience.md 原文记录阶段 0 的答案。
• 交付时应在同一轮中提供测试渲染图。生成一张图并对照指南，比反复阅读更能迅速发现规则误读，也能让用户现在就发现问题，而不是等到生成四十张后才发现。

商业参考

如果参考对象是产品、服装、模特或车辆，而不是虚构世界，则有三点不同。

产品本身不是风格。 在 product.md 部分中，将产品真实的几何形状、颜色和标记记录为必须保留的事实，并与风格规则分开。风格规则应当概括共性，产品事实则不能。根据某种风格生成“一只瓶子”没有问题。根据规则重新绘制客户的瓶子，则可能导致标签出错。

品牌素材是约束，不是观察结果。 Logo、标签字体、徽章形状和重复图案应写入 negatives.md，标明不得更改，并注明生成器会损坏细小文字，最好之后再将这些素材合成上去。

处理模特参考时需要谨慎。 用直白的身体特征描述外貌：肤色、发质、年龄范围、体型。不要用族裔标签代替外貌描述。如果参考图中有多种肤色，应分别记录各肤色对应的光照，因为将同一条光照规则套用到所有肤色上，会导致某些版本曝光不足，另一些则曝光过度。也不要制作会复现可识别真实人物的指南：提炼外观，而非还原相貌；如果用户要求后者，应明确说明这一点。

video-prompt-engineer 的 commerce.md 中包含产品动画、服装替换、模特更换、珠宝和车辆的详细案例说明。请指引用户查看该文件，而不要重复其内容。

与其他技能协作

• video-prompt-engineer 会根据本指南处理风格、调色板、光线和摄影机，并负责时长、摄影机移动、运动和排除项。请将其指向 slug。遇到指南未涵盖的元素时，应应用 extrapolation.md，而不是自行编造。
• text-to-visual 和 product-photo-studio 可以直接使用 fragments.md。
• 如果用户需要的是品牌系统，而非从参考图中提炼出的外观，请使用 agency-brand-scoping 和 brandkit 工具，而不是本指南。