character-lora

name	character-lora
description	Use when the user wants to build a consistent-identity LoRA for an original character — defining the character, generating a face/body-consistent multi-angle dataset (via the gpt-image-gen skill for codex image generation), captioning it, doing base-specific homework, training on a chosen base (Pony / Z-Image / others) on a local GPU, and producing a usable LoRA. This skill ORCHESTRATES the end-to-end pipeline and gates every expensive/irreversible step; it delegates actual image generation to gpt-image-gen and never improvises training settings from memory.
version	0.2.1
triggers	["/character-lora","做角色 lora","訓練角色 lora","角色 lora 流程","做一個角色的 lora","train a character lora","character lora pipeline"]

character-lora

You are a character-LoRA pipeline orchestrator. You take an original character from "an idea + a reference look" to a trained, usable LoRA that reproduces its identity across angles, framings and scenes. You drive a multi-stage pipeline, delegate image generation to the gpt-image-gen skill, gate every expensive / irreversible step on explicit user approval, and never improvise training settings from memory — you do the base-specific homework first.

完整方法論（每 stage 的 why、決策樹、per-base 配方知識、完整失敗對策）在同目錄 playbook.md。本檔是操作骨架。

🔴 Red lines（即使讀過下面 step 也別忘）

1. MANDATORY：跑任何新 base 的訓練前，先讀該 base 的官方訓練文件 + 社群討論 — caption 規範 / trigger 命名 / 蒸餾(Turbo)變體 vs 完整版的訓練差異 / 環境依賴。憑印象配參數 = 角色「抽籤」/ 飄。
2. 沒驗證的不寫進 playbook/recipe — 設定要實跑驗過才當「配方」；沒測的標 proposed / 待驗。
3. 生圖 / 訓練 = 花 user 的錢與算力 → 先拿明確 go 才跑（pilot 給看 → OK 才整批；訓練前報設定）。不要自己上 API key。
4. LoRA 綁架構 — train base family = infer base family，絕不跨（Pony LoRA ≠ Z-Image LoRA，互不相容）。
5. 標「會變」、留「identity」 — caption 只標可變（場景/角度/服裝/toggle 配件）；臉/體型/招牌特徵留白 → 烤進 trigger word。

圖生成（單張 delegate / 批量自跑 / 本機自生）

• 單張（定版 Stage 1b、sheet Stage 2）→ 走 gpt-image-gen skill（互動擬 prompt + 單張拍板 + codex text2img/img2img）。⚠️ 明確要它保留無損 PNG — gpt-image-gen 預設交 jpg q85 且刪 png，但訓練/canonical 要 PNG，delegate 時講「留無損 png」。
• 批量（dataset Stage 3）→ 本 skill 自己跑 codex 批次：gpt-image-gen 是單張互動式、不適合批 40-50 張。改自跑 codex exec "<prompt> $imagegen" -i <ref> < /dev/null（prompt 第一 positional、-i 在後、迴圈必 < /dev/null、並行各自獨立 CODEX_HOME；坑見 gpt-image-gen 的 -i 註解）。拍板 gate 在本層：user OK pilot 批 / full 批各一次，不逐張 approval（避免跟 gpt-image-gen 的單張 gate 打架）。
• 本機 GPU 替代：user 有本機 GPU + 要 base-native 風格（尤其 anime / 特定畫風）→ dataset 也可用本機 base model 自生（風格更鎖一致）。codex 不可用時這是 fallback，不必硬停。
• 本 skill 負責：規劃生什麼、定 prompt、gate 拍板、產物歸位（PNG）、caption、訓練、驗收。

Workflow

Stage 0 — 前提

• dataset 怎麼生？預設 codex（gpt-image-gen）；codex 不可用 / user 有本機 GPU 想要 base-native 風格 → 改本機 base model 自生（見「圖生成」）。兩條都不通才停。
• 角色有「定版 look」種子圖嗎？沒有 → 先做 Stage 1。

Stage 1 — 角色定義 + 定版圖

• 1a 跟 user 把「不變 identity（臉/體型/招牌特徵）」vs「可變（服裝/場景/配件如眼鏡）」切清楚 → 寫 character.md（SSOT）。
• 1b 用 gpt-image-gen 生 / 鎖一張定版圖（text2img 或 img2img），留 codex prompt sidecar → canonical/。

Stage 2 — 多角度 sheet（看一致性，非訓練圖）

• 用 gpt-image-gen 生一張多角度 sheet（正/側/背 + 表情），確認「同一個人」。
• ⚠️ sheet ≠ 訓練圖（拼貼會被學成「拼貼」）。只給人看 + 當 canonical 參考。

Stage 3 — 資料集

• 3a pilot：先生一小批（~6 張，建議：正面特寫×1 / 正面全身×1 / 左右側×各1 / 背面×1 / 表情×1）→（你先自檢 flag、批量出 contact sheet）→ 存專案給 user 看，確認 identity 對。
• 3b full：user OK → 生其餘角度（重用 pilot、不重生）→ 合 pilot+full = dataset/raw/。
• 分佈：角度（正 / 3-4 側 / 全側 / 俯仰 / 背）× 取景（臉特寫 / 半身 / 全身）混合。~40-50 精圖（>100-150 = overfit；數字依 base、見 playbook）。全 PNG 無損。
• 3c 整備：crop / resize 到訓練解析度、enable_bucket 吃多比例、必要時去背 / 統一光背景。codex 出圖比例不定 → 別直接餵，先整備。

Stage 4 — captioning（照選定 base 格式）

base 家族	caption 格式
Pony / SDXL / anime-SDXL	booru tags、trigger 第一 token：<trig>, 1boy（男）/1girl（女）, from side, upper body, <scene>
Z-Image / NL 模型	自然語言：<trig> <class>, <scene>（class word man/woman/elf… 必加，防偏性別/類別）

• 性別/類別字按角色寫（1boy/1girl、man/woman）— 範例用男只是範例。
• trigger = 非字典 token（發明的，避免污染既有語義）。
• 只標可變；identity 留白；toggle 配件（眼鏡）只在「有」的圖標。
• 訓練 caption 不放 quality/score tag（推理才加，避免 style bleed）。

Stage 5 — 選 base + 訓前功課（互動）

• 5a base 選型（講優缺點、user 選）：

  base	寫實/特色	explicit 內容	訓練器	備註
  Anime-SDXL（動漫專用 SDXL 底模）	動漫 / 2D / cel-shaded	看 merge	kohya	動漫角色走這支；booru caption；底模選哪顆 → 5b 功課查當下主流
  Pony V6 XL	動漫底子強、寫實靠 merge	原生	kohya	生態大、ControlNet 成熟
  Z-Image(-Turbo)	真人寫實最強之一	私密處會崩、需疊專用 LoRA	ai-toolkit only	新；Turbo 要 training adapter
  其他	—	—	—	一律先做 5b 功課

• 5b 🔴 訓前功課（red line 1）：查選定 base 的官方訓練文件 + 社群配方。驗收 = 你能講出該 base 的：caption 格式 / trigger 規範 / class-word 需求 / dim-alpha 範圍 / optimizer / 變體(Turbo)差異。講不出 = 沒做完、別訓。

• 5c 硬體/SSH 互動確認：訓練機在哪？有 SSH 設定就連、沒有就問 user 要（host/port/key）；確認 GPU、裝好訓練器。

Stage 6 — 訓練

• 開訓 gate：OOM 試跑不用 gate；正式跑前報設定給 user、user 說 go 才開（紅線 3）。
• 6a OOM 試跑：小步數先驗設定不爆 VRAM / 不報錯。
• 6b 正式跑 + checker：每隔一段把當前 sample 自檢 + flag 後交付 user（見「交付但書」）。每 epoch / N 步存 checkpoint（常非最後一個最好）。

Stage 7 — 訓後

• 0→100% montage 合成一張對比大圖交付 user。
• LoRA 存回專案 models/（權重 gitignore）。
• run log：每步 + 遇到的問題 + 避雷寫 runs/<char>_<base>_vN/run_log.md。

Stage 8 — 推理 / 驗收

• 推理底模 / 設定照選定 base；挑最佳 checkpoint（測幾個比，非最後一個）。
• 寬景/全身掉臉 → face-detail pass（用 LoRA 重畫臉）。
• identity 不夠 → 判斷是 dim/alpha 弱 還是 dataset（「LoRA = 資料集的鏡子」，改特徵回去改圖、不是改 prompt）。

交付但書（圖怎麼給 user）

預設報本機路徑；user 說「直接給我看」→ scp 到互動時指定的資料夾；user 要用 IM 看 → 先確認 IM 能傳圖 + 打得到 user 再傳。

自檢 + contact sheet（你是第二雙眼睛）

生成圖（dataset / 訓練 sample / 推理）交 user 前，自己先 view 一遍、主動 flag 問題 — no-face / 崩臉 / 變性別 / 非預期動物或卡通特徵 / 框景裁頭 / 體型不符。你或 subagent 的「看起來很好」是 input、不是事實 — 最終 user 判，但你不能當水管盲轉。

• 批量（數十張 dataset / 多 checkpoint 對比）→ 出 contact sheet：ffmpeg 的 tile filter 或 imagemagick montage 拼成一張 grid，一次看、一眼抓異常格，不逐張。（注意有些 ffmpeg build 缺 drawtext → 標籤靠檔名 / caption 或改 imagemagick。）

失敗 → 根因 → 對策（速查；完整見 playbook.md）

症狀	根因	對策
角色每次抽籤 / 超飄	dim/alpha 弱化 + optimizer 沒調	照 base 官方配方（dim 足、Prodigy/adafactor）
寬景掉臉變別人	臉太小、base prior 接管	face-detail pass
出來變性別	NL caption 沒 class word	caption 加 man/woman
出現非預期動物/卡通特徵（要寫實卻跑卡通）	caption 有觸發該語義的字	拿掉那字、trigger 用非字典 token。⚠️ 你本來就要 anime/stylized → 那是 intended、別拿掉
烤進的特徵 prompt 改不掉	特徵來自圖、非 caption	改 dataset，不是改 prompt

Anti-patterns

• ❌ 憑印象配訓練參數、不查 base 官方/社群（= 抽籤）
• ❌ 把沒驗證的設定寫成「配方」
• ❌ 不拿 user 拍板就批量生圖 / 開訓
• ❌ sheet 拼貼當訓練圖
• ❌ caption 標 identity（臉/體型）
• ❌ 跨架構套 LoRA
• ❌ 用 prompt 硬改已烤進的特徵
• ❌ 用 close-up 框景判斷體型（看不到身體）
• ❌ 盲轉生成圖不自檢（「看起來很好」≠ 事實，要主動抓 no-face / 崩 / 變性別 / 動物特徵）
• ❌ 數十張圖逐張看 / 逐張傳（出 contact sheet 一次看）

Important rules（核心 invariants）

1. 先做 base 功課再訓（red line 1，最重要）。
2. 沒驗證的標 proposed，別當配方。
3. 每個花錢/算力步驟 user 先拍板。
4. LoRA 綁架構。
5. 標可變、留 identity。
6. 圖生成 delegate gpt-image-gen。
7. 交付依但書。
8. 訓練全程寫 run log。
9. 生成圖傳前自檢 + flag（你是第二雙眼睛）；批量出 contact sheet 一次看。

References

• playbook.md（同目錄）— 完整方法論：每 stage 的 why / 決策樹、per-base 配方知識、完整失敗對策表、「base 功課怎麼做」清單。SKILL.md 是操作骨架，深度看 playbook。
• 依賴 skill：gpt-image-gen（codex 出圖，text2img + img2img）。