image-prompting

name	image-prompting
description	图像生成命中率提升。当任务涉及生图、图像生成、generate image、图片、海报、插画、logo、视觉资产、改图、图生图时加载。教 leader 用叙事式 prompt、改图优先、多轮迭代、参考图角色一致性提升 Gemini 3 Pro Image 命中率。不触发代码截图/UI 截图分析(那用 vision)。

图像提示词

本技能只面向本地 Gemini 3 Pro Image 的对话式接口: 通过 codex_bridge.ts agy 后端或 codex_bridge.ts generate-image 命令生图。不要混入 Vertex AI Imagen 接口事实；negative_prompt 参数和精确出图数量控制不适用于这里。

何时加载本技能

任务涉及生图、图像生成、generate image、图片、海报、插画、logo、视觉资产、改图、图生图时加载。

不要在代码截图、UI 截图、截图分析、视觉理解任务中加载本技能；那类任务使用 vision。

核心原则:描述场景,不堆关键词(官方首要原则)

Gemini 官方原话:"Describe the scene, do not just list keywords. A narrative, descriptive paragraph almost always produces better, more coherent images than a list of disconnected words."

对比示例:

• 低命中(标签堆砌): masterpiece, 8k, photorealistic, cinematic lighting, old fisherman
• 高命中(叙事描述): A close-up portrait of a weathered 70-year-old fisherman with deep wrinkles, staring into the camera. He wears a yellow vinyl raincoat with soft raindrops. Background is a blurry harbor at dusk. Dramatic side lighting from a single street lamp, cool blue palette.

执行时先把用户的短需求改写成一段可视化叙事，再交给后端。不要把 Stable Diffusion 式标签串当作最终 prompt。

结构化叙事 prompt 模板

用自然语言叙述每一段，不写 SD 式标签:

[主体在做什么] + [环境场景] + [艺术风格] + [构图/镜头] + [光线] + [色调] + [细节材质]

按重要性从左到右写，最核心的主体、动作、画面意图放最前面。删除冗余修饰词，例如 extremely、beautiful、amazing。

可直接使用这个骨架:

A [subject] is [action] in [environment]. The image is rendered as [art style]. The composition uses [camera/composition], with [lighting]. The color palette is [color palette]. Important visible details include [materials, texture, props, facial expression, clothing].

中文任务可以中文写，但视觉细节、镜头词、固定文字可保留英文，避免含糊表达。

没有负面提示参数——用语义负面提示(官方)

Gemini 对话接口没有 negative_prompt 参数。Vertex AI Imagen 接口有该参数，但本地使用 Gemini 对话式接口，不适用。

官方做法是用正向描述替代 no X:

• 错: no cars, no people
• 对: an empty, deserted street with no signs of traffic

写 prompt 时把不想出现的东西改成画面状态。例如把“不要拥挤”改为“a quiet lobby with wide open floor space and only one receptionist behind the desk”。

改图优先:图生图比文生图命中率高一个量级(四路共识)

最大命中率杠杆是给模型参考图。有参考图、草图、线稿、截图、品牌图、角色图时，优先用 input_image 或通过 agy 后端把图片路径和要求一起交给模型，不要从零文生图。

Gemini 支持的高价值改图路径:

• 背景替换: 保留主体，替换背景。
• Inpainting 局部重绘: 只改手、脸、文字、局部道具或瑕疵区域。
• Outpainting 向外延展: 把窄图延展成横版、竖版或更大画幅。
• 风格迁移: 保留构图和主体，把风格转成海报、插画、3D、摄影等。
• 草图转成品: 用线稿、涂鸦、产品草图生成完整视觉资产。

Leader 判断规则: 用户提供了图片，默认走改图/图生图；用户只提供文字且没有素材，才走纯文生图。

多轮对话迭代,不是一次性抽卡(官方)

Gemini 对话接口没有可靠的 count 参数。官方说明:"will not always follow the exact number of image outputs requested"。

不要指望一次请求稳定生成 4 张再选最好。更可靠的流程是:

1. 先生成一张命中主体和构图的版本。
2. 如果不满意，用自然语言跟进。
3. 只改一个主要维度，保留其余画面。

可用跟进语:

• make the lighting warmer
• keep everything but change the expression
• keep the composition and outfit, but make the background a rainy evening street
• only fix the text on the sign; preserve the rest of the image

多轮改动通常比重新抽卡命中率更高。

角色一致性:参考图注入,不是 session_id 魔法

session_id 管多轮对话上下文，这是上下文连续性，不是原生锁脸参数。不要把它当成角色一致性魔法。

真正的角色一致性靠三件事:

• 参考图注入: Gemini 3 Pro Image 最多 14 张参考图，其中角色一致性 5 张、物体高保真 6 张、风格 3 张。
• Master Identity Spec: 把角色特征写成固定块，每次贴在 prompt 最前面。
• prompt 分块隔离: [角色特征块] in [场景动作块]，避免动作词污染相貌。

Master Identity Spec 示例:

Master Identity Spec: The same young woman has a round face, short black bob haircut with straight bangs, warm brown eyes, a small mole under her left eye, and a calm confident expression. Keep these identity traits consistent in every image.

Scene: She is standing at a night-market food stall, holding a paper cup of tea, with warm lantern light and shallow depth of field.

aspect_ratio 生成时指定,不要生成后裁剪(官方)

Gemini 有构图推理机制，会按 aspect_ratio 在初始化阶段规划构图。先生成 1:1 再裁成 16:9 会破坏构图。

生成前就指定目标比例，并配匹配视角词:

• 16:9: cinematic wide-angle, horizontal composition, environmental context
• 9:16: full-body portrait, low angle, vertical poster composition
• 1:1: centered composition, balanced square frame
• 21:9: ultra-wide establishing shot, panoramic composition

支持比例: 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。

常见失败规避表

失败	规避	可信度
文字乱码	双引号锁定文字 "OPEN LATE" + 描述物理载体(霓虹灯箱/木牌) + ≤25字符 + 文字命令放 prompt 前部	官方
手指畸形	指定简单手势(hands in pockets) + 半身像减少手外露 + 出错用 inpainting 局部重绘	社区经验
风格漂移	"standing in stark contrast with" 隔离主体与背景 + prompt 开头统一风格前缀	社区经验
主体偏离	删冗余修饰词 + 按重要性从左到右写	社区经验
手指/解剖	模型固有限制，无法靠 prompt 彻底解决，只能规避或局部重绘	硬伤

两个生图后端的选择

• codex_bridge.ts generate-image: 走 codex worker 的 image_generation_call。适合简单单张文生图，参数少，交互成本低。
• codex_bridge.ts agy "生成图片的 prompt..." --model "Gemini 3.1 Pro (High)": 走 Antigravity CLI。适合 Gemini 3 Pro Image 的复杂任务，参数最全，更适合参考图、改图、多轮迭代、session_id 语义上下文。

选择规则:

• 要参考图、改图、局部修复、角色一致性或多轮迭代: 用 agy 后端。
• 只要简单单张、没有参考图、没有连续上下文: generate-image 也可。
• 需要分析代码截图或 UI 截图: 不要用本技能，改用 vision。

模型固有限制(诚实标注)

• 无 seed 参数，无法确定性复现同一张图。
• 无可靠 count，不能保证一次出 N 张。
• 无透明背景支持。
• 手指/精细解剖是硬伤。
• 所有生成图带 SynthID 水印。

遇到这些限制时要直说，不要承诺可用 prompt 完全解决。

用法示例

简单单张文生图:

node --experimental-strip-types plugins/zcode-codex-leader/scripts/codex_bridge.ts generate-image "A compact civic-service poster showing a warm public reception desk inside a bright campus hall. The composition is a clean 4:5 vertical poster, soft peach and blue palette, natural daylight, readable sign text \"SERVICE DAY\" on a small acrylic desk sign." --out ./outputs/service-day.png

用 agy 走 Gemini 3.1 Pro Image，高规格生成:

node --experimental-strip-types plugins/zcode-codex-leader/scripts/codex_bridge.ts agy "使用 Gemini 3 Pro Image 生成一张 16:9 横版图: A weathered 70-year-old fisherman is staring into the camera at a blurry harbor at dusk. He wears a yellow vinyl raincoat with soft raindrops. Dramatic side lighting from a single street lamp, cool blue palette, close-up portrait, realistic documentary photography. aspect_ratio: 16:9" --model "Gemini 3.1 Pro (High)" --timeout 20m

参考图/改图优先:

node --experimental-strip-types plugins/zcode-codex-leader/scripts/codex_bridge.ts agy "使用参考图 ./refs/character.png 保持同一角色身份。Master Identity Spec: same face shape, same short black bob haircut, same mole under the left eye, same calm confident expression. Scene: place her in a rainy neon bookstore at night, holding a red umbrella, cinematic 9:16 full-body portrait. 只改变场景和服装氛围，保持角色脸部一致。" --model "Gemini 3.1 Pro (High)" --add-dir ./refs --timeout 20m