image-to-prompt-skill

Name: image-to-prompt-skill
Author: Supreme-Ultimate

115stars28forks

How to install image-to-prompt-skill?

supreme-ultimate/novel-to-script-team/image-to-prompt-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill image-to-prompt-skill

Installs into the current project.

Summary

从图片中提取视觉描述，生成可用于文生图的提示词。

Files · 1

View on GitHub

SKILL.md

1	# image-to-prompt-skill
2
3	## 功能
4
5	从图片中提取视觉描述，生成可用于文生图的提示词。
6
7	## 使用场景
8
9	1. 参考图分析：分析参考图片，生成风格一致的提示词
10	2. 风格迁移：从现有图片提取风格特征，应用到新场景
11	3. 提示词优化：对比生成图片与目标效果，优化提示词
12	4. 资产复用：从历史项目图片中提取提示词，复用到新项目
13
14	## 输入
15
16	- 图片文件路径：本地图片文件（PNG、JPG、WEBP 等）
17	- 分析维度（可选）：
18	- `full`：完整分析（默认，包含所有元素）
19	- `character`：聚焦人物（外观、服装、表情、姿态）
20	- `scene`：聚焦场景（环境、光线、氛围、道具）
21	- `composition`：聚焦构图（景别、角度、运镜、色彩）
22
23	## 输出
24
25	- 提示词文件：`outputs/{剧本名}/reverse-prompts/{图片名}-prompt.md`
26	- 内容包含：
27	- 原图路径
28	- 分析维度
29	- 提示词（叙事描述式）
30	- 关键元素清单（人物、场景、构图、色彩、光影、氛围）
31
32	## 执行流程
33
34	1. 读取图片：加载本地图片文件
35	2. 编码图片：将图片编码为 base64 格式
36	3. 调用 API：使用 gemini-3.1-pro-preview 模型分析图片
37	4. 提取元素：根据分析维度提取关键视觉元素
38	5. 生成提示词：将视觉元素转化为叙事描述式提示词
39	6. 输出文件：保存提示词到指定路径
40
41	## API 调用示例
42
43	```python
44	from openai import OpenAI
45	import base64
46	import os
47
48	# 初始化客户端
49	client = OpenAI(
50	api_key="your-api-key",
51	base_url=os.environ["NANO_BANANA_BASE_URL"]
52	)
53
54	# 读取并编码图片
55	with open("image.jpg", "rb") as f:
56	image_data = base64.b64encode(f.read()).decode("utf-8")
57
58	# 调用 API
59	response = client.chat.completions.create(
60	model="gemini-3.1-pro-preview",
61	messages=[{
62	"role": "user",
63	"content": [
64	{
65	"type": "image_url",
66	"image_url": {
67	"url": f"data:image/jpeg;base64,{image_data}"
68	}
69	},
70	{
71	"type": "text",
72	"text": "请详细描述这张图片的视觉元素，包括人物、场景、构图、色彩、光影、氛围等，生成可用于文生图的提示词。"
73	}
74	]
75	}]
76	)
77
78	prompt = response.choices[0].message.content
79	print(prompt)
80	```
81
82	## 提示词生成原则
83
84	1. 叙事描述式：使用完整句子描述，避免关键词堆叠
85	- ❌ 错误：`男性，黑色西装，严肃表情，办公室背景`
86	- ✅ 正确：`一位身穿黑色西装的中年男性站在现代办公室中，表情严肃，目光锐利，背景是落地窗和城市天际线。`
87
88	2. 元素完整：覆盖 26 元素框架（参见 `references/20-frame-description-elements.md`）
89	- 人物：外观、服装、表情、姿态、动作
90	- 场景：环境、道具、空间关系
91	- 构图：景别、角度、视角
92	- 色彩：主色调、色彩对比、色彩情绪
93	- 光影：光源、明暗对比、光影氛围
94	- 氛围：情绪基调、叙事意图
95
96	3. 可复现性：描述足够精确，能够生成相似的图片
97	- 包含具体的细节（如"深蓝色西装"而非"西装"）
98	- 包含空间关系（如"站在窗前"而非"站着"）
99	- 包含情绪线索（如"严肃的表情"而非"表情"）
100
101	4. 风格一致：保持与项目整体风格一致
102	- 参考项目已有的角色和场景提示词
103	- 保持相同的描述风格和细节层次
104
105	5. 可编辑性：提示词结构清晰，便于后续修改和优化
106	- 使用段落分隔不同元素
107	- 使用清晰的标记（如"人物："、"场景："）
108
109	## 分析维度说明
110
111	### full（完整分析）
112
113	提取所有视觉元素，生成完整的提示词。适用于：
114	- 需要完整复现图片的场景
115	- 参考图分析
116	- 风格迁移
117
118	输出示例：
119	```markdown
120	## 提示词
121
122	一位身穿深蓝色西装的中年男性站在现代办公室的落地窗前，表情严肃，目光锐利。他的右手插在口袋里，左手自然垂放，身体微微侧向窗外。背景是城市天际线，高楼林立，天空呈现出黄昏时分的暖橙色调。办公室内部光线柔和，来自顶部的筒灯和窗外的自然光形成明暗对比，营造出一种冷静、专业的氛围。
123
124	## 关键元素
125
126	人物：
127	- 外观：中年男性，短发，五官立体
128	- 服装：深蓝色西装，白色衬衫，深色领带
129	- 表情：严肃，目光锐利
130	- 姿态：站立，右手插口袋，左手垂放，身体微侧
131
132	场景：
133	- 环境：现代办公室，落地窗，城市天际线
134	- 道具：无明显道具
135	- 空间关系：人物站在窗前，背景是城市
136
137	构图：
138	- 景别：中景
139	- 角度：平视
140	- 视角：正面偏侧
141
142	色彩：
143	- 主色调：深蓝、暖橙、灰白
144	- 色彩对比：冷暖对比（室内冷色 vs 窗外暖色）
145	- 色彩情绪：冷静、专业
146
147	光影：
148	- 光源：顶部筒灯 + 窗外自然光
149	- 明暗对比：中等对比
150	- 光影氛围：柔和、专业
151
152	氛围：
153	- 情绪基调：冷静、严肃、专业
154	- 叙事意图：展现人物的权威感和决断力
155	```
156
157	### character（聚焦人物）
158
159	重点提取人物相关元素，适用于：
160	- 角色设定图生成
161	- 人物提示词优化
162	- 角色一致性参考
163
164	输出示例：
165	```markdown
166	## 提示词
167
168	一位中年男性，短发，五官立体，表情严肃，目光锐利。他身穿深蓝色西装，内搭白色衬衫和深色领带，右手插在口袋里，左手自然垂放，身体微微侧向一侧，展现出冷静、专业的气质。
169
170	## 关键元素
171
172	人物：
173	- 外观：中年男性，短发，五官立体
174	- 服装：深蓝色西装，白色衬衫，深色领带
175	- 表情：严肃，目光锐利
176	- 姿态：站立，右手插口袋，左手垂放，身体微侧
177	- 气质：冷静、专业、权威
178	```
179
180	### scene（聚焦场景）
181
182	重点提取场景相关元素，适用于：
183	- 场景设定图生成
184	- 环境提示词优化
185	- 场景一致性参考
186
187	输出示例：
188	```markdown
189	## 提示词
190
191	现代办公室，落地窗前，背景是城市天际线，高楼林立。天空呈现出黄昏时分的暖橙色调，与室内的冷色调形成对比。办公室内部光线柔和，来自顶部的筒灯和窗外的自然光交织，营造出专业、冷静的氛围。
192
193	## 关键元素
194
195	场景：
196	- 环境：现代办公室，落地窗，城市天际线
197	- 道具：无明显道具
198	- 空间关系：室内空间，窗外城市景观
199	- 光线：顶部筒灯 + 窗外自然光
200	- 氛围：专业、冷静、现代
201	```
202
203	### composition（聚焦构图）
204
205	重点提取构图相关元素，适用于：
206	- 分镜参考
207	- 镜头设计
208	- 构图优化
209
210	输出示例：
211	```markdown
212	## 提示词
213
214	中景，平视角度，正面偏侧视角。人物位于画面中心偏右，背景是落地窗和城市天际线。色彩以深蓝、暖橙、灰白为主，形成冷暖对比。光线来自顶部和窗外，明暗对比适中，营造出专业、冷静的视觉氛围。
215
216	## 关键元素
217
218	构图：
219	- 景别：中景
220	- 角度：平视
221	- 视角：正面偏侧
222	- 人物位置：画面中心偏右
223	- 背景：落地窗 + 城市天际线
224
225	色彩：
226	- 主色调：深蓝、暖橙、灰白
227	- 色彩对比：冷暖对比
228	- 色彩情绪：冷静、专业
229
230	光影：
231	- 光源：顶部筒灯 + 窗外自然光
232	- 明暗对比：中等对比
233	- 光影氛围：柔和、专业
234	```
235
236	## 注意事项
237
238	1. 图片格式：支持 PNG、JPG、JPEG、WEBP、GIF 等常见格式
239	2. 图片大小：建议不超过 10MB，过大的图片可能导致 API 调用失败
240	3. API 配置：必须在 `.env` 或环境变量中配置 `NANO_BANANA_API_KEY` 和 `NANO_BANANA_BASE_URL`
241	4. 敏感内容：避免分析包含敏感内容的图片
242	5. 版权问题：确保图片来源合法，避免侵权
243
244	## 与其他 Agent 的协作
245
246	- art-designer：将反推的提示词集成到角色或场景提示词中
247	- image-generator：使用反推的提示词生成新图片，验证提示词质量
248	- storyboard-artist：参考反推的提示词优化分镜描述
249	- visual-storyteller：使用反推的提示词作为视觉化参考
250
251	## 参考文档
252
253	- `references/20-frame-description-elements.md`：帧图描述 26 元素清单
254	- `references/11a-seedance-prompt-methodology.md`：Seedance 提示词方法论
255	- `references/11b-image-motion-prompt.md`：图像与动态提示词方法论

People who liked this also viewed

6 picks

Type

ai-video-generationinference.sh Agent skills for using our API to give your agents access to hundreds of apps and other agentsSkillsJul 2026292k642
imagegen-frontend-webElite frontend image-direction skill for generating premium, conversion-aware website design references. CRITICAL OUTPUT RULE — generate ONE separate horizontal image FOR EVERY section. A landing pageSkillsJul 2026165k66k
hyperframes-mediaWrite HTML. Render video. Built for agents.SkillsJul 2026145k37k
media-useAgent Media OS, the single skill for every media need in a HyperFrames project. Resolve BGM, SFX, image, icon, brand logo, voice, color grade, or LUT into a frozen local file or paste-ready block + leSkillsJul 2026144k37k
general-videoAuthor or edit a custom HyperFrames composition when no specialized workflow fits, or when BRIEF.md sets flow: companion. Use for longer or multi-scene pieces, brand and sizzle reels, montages, staticSkillsJul 2026124k37k
product-launch-videoTurn a product or marketing URL, pasted script, or brief into a product launch / promo video — SaaS promos, feature reveals, product demos, app and company launches. Use when the user wants to market,SkillsJul 2026121k37k

image-to-prompt-skill

115stars28forks

View on GitHub

How to install image-to-prompt-skill?

supreme-ultimate/novel-to-script-team/image-to-prompt-skill

$npx -y skills add Supreme-Ultimate/novel-to-script-team --skill image-to-prompt-skill

Installs into the current project.

Summary

从图片中提取视觉描述，生成可用于文生图的提示词。

Files · 1

View on GitHub

SKILL.md

1	# image-to-prompt-skill
2
3	## 功能
4
5	从图片中提取视觉描述，生成可用于文生图的提示词。
6
7	## 使用场景
8
9	1. 参考图分析：分析参考图片，生成风格一致的提示词
10	2. 风格迁移：从现有图片提取风格特征，应用到新场景
11	3. 提示词优化：对比生成图片与目标效果，优化提示词
12	4. 资产复用：从历史项目图片中提取提示词，复用到新项目
13
14	## 输入
15
16	- 图片文件路径：本地图片文件（PNG、JPG、WEBP 等）
17	- 分析维度（可选）：
18	- `full`：完整分析（默认，包含所有元素）
19	- `character`：聚焦人物（外观、服装、表情、姿态）
20	- `scene`：聚焦场景（环境、光线、氛围、道具）
21	- `composition`：聚焦构图（景别、角度、运镜、色彩）
22
23	## 输出
24
25	- 提示词文件：`outputs/{剧本名}/reverse-prompts/{图片名}-prompt.md`
26	- 内容包含：
27	- 原图路径
28	- 分析维度
29	- 提示词（叙事描述式）
30	- 关键元素清单（人物、场景、构图、色彩、光影、氛围）
31
32	## 执行流程
33
34	1. 读取图片：加载本地图片文件
35	2. 编码图片：将图片编码为 base64 格式
36	3. 调用 API：使用 gemini-3.1-pro-preview 模型分析图片
37	4. 提取元素：根据分析维度提取关键视觉元素
38	5. 生成提示词：将视觉元素转化为叙事描述式提示词
39	6. 输出文件：保存提示词到指定路径
40
41	## API 调用示例
42
43	```python
44	from openai import OpenAI
45	import base64
46	import os
47
48	# 初始化客户端
49	client = OpenAI(
50	api_key="your-api-key",
51	base_url=os.environ["NANO_BANANA_BASE_URL"]
52	)
53
54	# 读取并编码图片
55	with open("image.jpg", "rb") as f:
56	image_data = base64.b64encode(f.read()).decode("utf-8")
57
58	# 调用 API
59	response = client.chat.completions.create(
60	model="gemini-3.1-pro-preview",
61	messages=[{
62	"role": "user",
63	"content": [
64	{
65	"type": "image_url",
66	"image_url": {
67	"url": f"data:image/jpeg;base64,{image_data}"
68	}
69	},
70	{
71	"type": "text",
72	"text": "请详细描述这张图片的视觉元素，包括人物、场景、构图、色彩、光影、氛围等，生成可用于文生图的提示词。"
73	}
74	]
75	}]
76	)
77
78	prompt = response.choices[0].message.content
79	print(prompt)
80	```
81
82	## 提示词生成原则
83
84	1. 叙事描述式：使用完整句子描述，避免关键词堆叠
85	- ❌ 错误：`男性，黑色西装，严肃表情，办公室背景`
86	- ✅ 正确：`一位身穿黑色西装的中年男性站在现代办公室中，表情严肃，目光锐利，背景是落地窗和城市天际线。`
87
88	2. 元素完整：覆盖 26 元素框架（参见 `references/20-frame-description-elements.md`）
89	- 人物：外观、服装、表情、姿态、动作
90	- 场景：环境、道具、空间关系
91	- 构图：景别、角度、视角
92	- 色彩：主色调、色彩对比、色彩情绪
93	- 光影：光源、明暗对比、光影氛围
94	- 氛围：情绪基调、叙事意图
95
96	3. 可复现性：描述足够精确，能够生成相似的图片
97	- 包含具体的细节（如"深蓝色西装"而非"西装"）
98	- 包含空间关系（如"站在窗前"而非"站着"）
99	- 包含情绪线索（如"严肃的表情"而非"表情"）
100
101	4. 风格一致：保持与项目整体风格一致
102	- 参考项目已有的角色和场景提示词
103	- 保持相同的描述风格和细节层次
104
105	5. 可编辑性：提示词结构清晰，便于后续修改和优化
106	- 使用段落分隔不同元素
107	- 使用清晰的标记（如"人物："、"场景："）
108
109	## 分析维度说明
110
111	### full（完整分析）
112
113	提取所有视觉元素，生成完整的提示词。适用于：
114	- 需要完整复现图片的场景
115	- 参考图分析
116	- 风格迁移
117
118	输出示例：
119	```markdown
120	## 提示词
121
122	一位身穿深蓝色西装的中年男性站在现代办公室的落地窗前，表情严肃，目光锐利。他的右手插在口袋里，左手自然垂放，身体微微侧向窗外。背景是城市天际线，高楼林立，天空呈现出黄昏时分的暖橙色调。办公室内部光线柔和，来自顶部的筒灯和窗外的自然光形成明暗对比，营造出一种冷静、专业的氛围。
123
124	## 关键元素
125
126	人物：
127	- 外观：中年男性，短发，五官立体
128	- 服装：深蓝色西装，白色衬衫，深色领带
129	- 表情：严肃，目光锐利
130	- 姿态：站立，右手插口袋，左手垂放，身体微侧
131
132	场景：
133	- 环境：现代办公室，落地窗，城市天际线
134	- 道具：无明显道具
135	- 空间关系：人物站在窗前，背景是城市
136
137	构图：
138	- 景别：中景
139	- 角度：平视
140	- 视角：正面偏侧
141
142	色彩：
143	- 主色调：深蓝、暖橙、灰白
144	- 色彩对比：冷暖对比（室内冷色 vs 窗外暖色）
145	- 色彩情绪：冷静、专业
146
147	光影：
148	- 光源：顶部筒灯 + 窗外自然光
149	- 明暗对比：中等对比
150	- 光影氛围：柔和、专业
151
152	氛围：
153	- 情绪基调：冷静、严肃、专业
154	- 叙事意图：展现人物的权威感和决断力
155	```
156
157	### character（聚焦人物）
158
159	重点提取人物相关元素，适用于：
160	- 角色设定图生成
161	- 人物提示词优化
162	- 角色一致性参考
163
164	输出示例：
165	```markdown
166	## 提示词
167
168	一位中年男性，短发，五官立体，表情严肃，目光锐利。他身穿深蓝色西装，内搭白色衬衫和深色领带，右手插在口袋里，左手自然垂放，身体微微侧向一侧，展现出冷静、专业的气质。
169
170	## 关键元素
171
172	人物：
173	- 外观：中年男性，短发，五官立体
174	- 服装：深蓝色西装，白色衬衫，深色领带
175	- 表情：严肃，目光锐利
176	- 姿态：站立，右手插口袋，左手垂放，身体微侧
177	- 气质：冷静、专业、权威
178	```
179
180	### scene（聚焦场景）
181
182	重点提取场景相关元素，适用于：
183	- 场景设定图生成
184	- 环境提示词优化
185	- 场景一致性参考
186
187	输出示例：
188	```markdown
189	## 提示词
190
191	现代办公室，落地窗前，背景是城市天际线，高楼林立。天空呈现出黄昏时分的暖橙色调，与室内的冷色调形成对比。办公室内部光线柔和，来自顶部的筒灯和窗外的自然光交织，营造出专业、冷静的氛围。
192
193	## 关键元素
194
195	场景：
196	- 环境：现代办公室，落地窗，城市天际线
197	- 道具：无明显道具
198	- 空间关系：室内空间，窗外城市景观
199	- 光线：顶部筒灯 + 窗外自然光
200	- 氛围：专业、冷静、现代
201	```
202
203	### composition（聚焦构图）
204
205	重点提取构图相关元素，适用于：
206	- 分镜参考
207	- 镜头设计
208	- 构图优化
209
210	输出示例：
211	```markdown
212	## 提示词
213
214	中景，平视角度，正面偏侧视角。人物位于画面中心偏右，背景是落地窗和城市天际线。色彩以深蓝、暖橙、灰白为主，形成冷暖对比。光线来自顶部和窗外，明暗对比适中，营造出专业、冷静的视觉氛围。
215
216	## 关键元素
217
218	构图：
219	- 景别：中景
220	- 角度：平视
221	- 视角：正面偏侧
222	- 人物位置：画面中心偏右
223	- 背景：落地窗 + 城市天际线
224
225	色彩：
226	- 主色调：深蓝、暖橙、灰白
227	- 色彩对比：冷暖对比
228	- 色彩情绪：冷静、专业
229
230	光影：
231	- 光源：顶部筒灯 + 窗外自然光
232	- 明暗对比：中等对比
233	- 光影氛围：柔和、专业
234	```
235
236	## 注意事项
237
238	1. 图片格式：支持 PNG、JPG、JPEG、WEBP、GIF 等常见格式
239	2. 图片大小：建议不超过 10MB，过大的图片可能导致 API 调用失败
240	3. API 配置：必须在 `.env` 或环境变量中配置 `NANO_BANANA_API_KEY` 和 `NANO_BANANA_BASE_URL`
241	4. 敏感内容：避免分析包含敏感内容的图片
242	5. 版权问题：确保图片来源合法，避免侵权
243
244	## 与其他 Agent 的协作
245
246	- art-designer：将反推的提示词集成到角色或场景提示词中
247	- image-generator：使用反推的提示词生成新图片，验证提示词质量
248	- storyboard-artist：参考反推的提示词优化分镜描述
249	- visual-storyteller：使用反推的提示词作为视觉化参考
250
251	## 参考文档
252
253	- `references/20-frame-description-elements.md`：帧图描述 26 元素清单
254	- `references/11a-seedance-prompt-methodology.md`：Seedance 提示词方法论
255	- `references/11b-image-motion-prompt.md`：图像与动态提示词方法论

People who liked this also viewed

6 picks

Type