Pa image

pa-image · 图像生成 prompt 优化

pa-optimize 的图像专用版：把 IR 编译成图像生成 prompt，并按目标厂商适配。 文本 prompt 的"输出契约=schema"，在图像里换成主体保真 + 构图/光线/风格 + 画幅 + 排除项； 而 negative prompt、参考图、画幅写法各厂商完全不同——选错厂商或写法，再好的描述也白费。

适用场景（不只是电商）

适用于任何图片需求：海报 / Banner / 社媒配图 / 插画 / 商品图 / 模特上身 / PPT 封面 / 头像等。"主体"只是一个填空项，换成你的产品/画面即可——本 skill 与具体品牌无关。

在网页版 / App 里怎么用（不会写代码时）

记住三件事：

1. 要复刻某张图（商品/印花/脸/logo）→ 在网页版直接上传那张参考图，并写一句"保持它与参考图完全一致，只改背景/姿势"；
2. 画幅→ 在工具界面选比例（3:4/1:1/16:9），不用记尺寸数字；
3. 下文的 images.edit / IPAdapter / --ar / seed 等是给开发/进阶用户的，网页版用户可忽略。

为什么单独一个 skill（与文本 prompt 的关键区别）

• 输出是给图像模型的文本，不是给 LLM 的指令；"约束输出空间"= 锁主体保真 + 排除项。
• negative prompt 不通用：SD/Midjourney 有独立负面；gpt-image-2/Gemini 没有，必须写进正文。
• 保真靠参考图：要复刻"这件具体的衣服/这张脸/这个 logo"，纯文生图做不到，必须图生图/参考图/虚拟试穿。
• 画幅是受限枚举：每家合法尺寸/写法不同（见矩阵）。

图像 prompt 解剖（10 要素，逐项填，缺则标注或用默认）

1. 主体 Subject：是谁/是什么（模特画像、商品、角色）
2. 外观 Appearance：发型/肤色/年龄/材质/颜色——要保真的部分点名
3. 动作/姿态 Action/Pose：站姿/动态/表情
4. 构图/景别 Composition：全身/半身/特写、机位、角度
5. 环境/背景 Environment：白底/场景/虚化
6. 光线 Lighting：棚拍柔光/golden-hour/硬光
7. 风格/媒介 Style/Medium：写实摄影/插画/3D；镜头(85mm)
8. 技术/画质 Technical：高清、景深、true-to-life color
9. 画幅 Aspect：按厂商合法值
10. 保真约束 + 排除项：哪些必须与参考一致；不要出现什么

两条主轴（先定这两条，再写词）

• 文生图 vs 图生图：要复刻具体主体 → 必须图生图/参考图（强度可调）；只要"风格类似" → 文生图够。
• negative 支持？：支持(SD/MJ) → 排除项进负面；不支持(gpt-image-2/Gemini/多数即梦流程) → 排除项写进正文。

步骤

1. 接 IR：从 pa-deconstruct 拿主体/风格/用途/保真要求（没有就先补一轮解构）。
2. 判主轴：要不要保真具体主体？→ 图生图 + 参考图。
3. 选厂商：按需求查 reference/vendor-matrix.md（要复刻商品/印花、要指令编辑、中文海报、纯美学、还是要完全可控），用户没指定就给 2 个推荐 + 理由。
4. 按该厂商约定编译：套下方模板，按矩阵处理 negative(进正文 or 独立)、画幅(合法值)、参考图与权重语法。
5. 保真 + 排除：把"必须一致"的主体特征点名 reproduce exactly, do not alter；排除项按厂商落位。
6. 自检闭环（precise-retrieval 的图像版）：出图后核对保真点(印花/脸/色/版型)，漂移就重抽（提高参考强度 / 重申 do-not-alter / 换更强保真厂商）。
7. 多变体规则（反同质化）：纯文生图且无保真要求（不锁具体商品/脸/logo）→ 默认开 3 变体：保守（紧扣需求要素、最稳）/ 风格强化（光线与风格张力拉满）/ 构图实验（非常规视角/构图，赌惊喜）——每个变体标注一句 tradeoff，交 pa-eval（image profile）排序后全部交付让用户选。图生图 / 有保真要求 → 单候选：保真任务的自由度已被参考图锁死，变体只会引入漂移风险。
8. 可复用：把会变的做成 {{占位符}}（主体/场景/画幅），产出可批量的模板。

通用图像 prompt 模板（厂商无关骨架，再按矩阵适配）

[主体] a <subject with key appearance>, <action/pose>, <expression>.
[保真] reproduce <the garment/face/logo> exactly from the reference — do not change
       color, shape, text, or layout; keep all text/graphics crisp.
[构图] <full-body / waist-up / close-up>, <angle>, subject centered.
[环境] <white seamless studio bg / outdoor scene>, <depth of field>.
[光线] <soft shadowless softbox / warm golden-hour>.
[风格] photorealistic e-commerce/editorial photography, 85mm look, true-to-life color.
[排除] <仅当厂商无 negative 时写这里：no added text, no watermark, no extra logo,
       natural undistorted hands, no mannequin/hanger>.
[画幅] <按厂商合法值>.

三铁律沿用：主体描述 / 保真约束 / 排除项分块写；参考图绑定优先于文字描述；画幅用合法值。

输出契约

• optimized_image_prompt：按目标厂商写好的 prompt（+ 该厂商的参数：size/--ar、negative、参考图与强度、保真参数）；多变体路径给 3 条（保守/风格强化/构图实验），各带 tradeoff 一句话。
• vendor_choice：选了哪家 + 一句理由 + 备选。
• fidelity_checklist：出图后要核对的 2–4 个保真点。
• 若需机器级精确（必须 100% 复刻 logo/印花）→ 在 rationale 里点名"用 ComfyUI 虚拟试穿更稳"，不假装文生图能做到。

厂商差异与逐家改写见 reference/vendor-matrix.md。IR 字段见 ../prompt-architect/reference/ir-schema.md。

产出 HTML 结果页

完成后，把 kind:"image" + intent / optimized_image_prompt(放入 prompts) / vendor_choice(放入 vendor) / fidelity_checklist(放入 checklist) / rationale 写成结果 JSON 渲染成 HTML 供查看与检查——JSON 契约与脚本定位规则见 ../prompt-architect/reference/render-protocol.md（脚本以 SKILL.md 实际所在目录定位，勿硬编码安装路径）。 多变体路径改用 candidates 键（label=保守/风格强化/构图实验 + strategy/tradeoff/content/content_zh）走多方案 grid 对比渲染。