# AI Image Art Direction > AI Image Art Direction Skill - Skill: `rickidea0320-cpu/ai-image-art-direction` (Agent Skill) - Install (CLI): `npx skillmds@latest add rickidea0320-cpu/ai-image-art-direction` - Raw SKILL.md: https://api.skillmd.com/api/skills/rickidea0320-cpu/ai-image-art-direction/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: rickidea0320-cpu (https://skillmd.com/u/rickidea0320-cpu) - Updated: 2026-09-22 - Page: https://skillmd.com/skills/rickidea0320-cpu/ai-image-art-direction --- # AI Image Art Direction Skill ## Skill Name ai-image-art-direction ## Purpose 用于 AI image generation / editing 的 art direction，重点处理视觉世界观、镜头语言、材质、光线、风格约束、生成限制和 AI 常见失真。 ## When to Use - 需要为品牌、campaign、海报、社媒、产品或 editorial 生成 AI 图像。 - 需要把创意方向转成可执行 image prompt。 - 需要审查 AI 图像是否有 artifact、品牌不符或生产不可用。 - 需要定义图像的视觉世界、镜头、材料、光线和限制条件。 ## When Not to Use - 任务只是普通版式或图文关系时，使用 `visual-design` 或 `graphic-design`。 - 任务是品牌系统而非单张图像时，使用 `brand-design`。 - 任务是 campaign KV 系统时，先使用 `campaign-kv`，再调用本 Skill。 - 不要用本 Skill 直接模仿活跃艺术家、品牌视觉或受版权保护的图像。 ## Inputs - Image purpose - Brand / campaign context - Subject and message - Intended medium - Aspect ratio and size - Desired visual world - References with safety notes - Constraints: legal, brand, product accuracy, text, logos - Model or tool limitations if known ## Outputs - Image art direction - Visual world definition - Composition and camera logic - Material and lighting rules - Prompt-ready instruction - Negative constraints - Artifact risk checklist - Production notes - Evaluation score ## Core Judgment 先用 art direction、visual semiotics 和 studio image-system 经验定义视觉世界观，再用 camera / material / lighting 约束生成，最后用 brand safety、artifact evidence 和 layout usability 拒绝不可生产图像。 ## Decision Logic - First decision: 定义 image intent：解释产品、建立情绪、承载 campaign、制造封面停留或提供背景场景。 - Second decision: 定义 visual world：真实摄影、editorial still life、documentary、3D、illustration、collage、diagrammatic。 - Third decision: 定义 camera and composition：shot type、angle、lens feel、focal point、depth、negative space。 - Evidence calibration: contemporary AI image sources 可提示风险，但不能替代 art direction 和 production proof。 - Experience rule: campaign image-system 案例显示，图像世界必须可重复生成或延展，否则只是一张 mood image。 - Experience rule: contemporary AI failure patterns 显示“更真实”不等于更可用，产品准确性、裁切和文字安全区更重要。 - Prioritize: concept clarity、material credibility、brand fit、artifact control、layout usability。 - Reduce: 多余主体、无意义细节、风格堆叠、不可控文字、复杂手部或产品结构。 - Suppress: generic cinematic look、plastic AI skin、fake luxury render、过度景深、无来源光。 - What breaks the output: 图像漂亮但不服务 intent；品牌不符；产品细节错误；无法裁切；承载不了文字；AI artifact 明显。 ## Workflow 1. Diagnose: 明确图像用途、媒介、品牌、需要传达的信息。 2. Define World: 写出 visual world、时代感、空间、材质和真实度。 3. Compose: 定义主体、焦点、镜头、构图、留白和文字安全区。 4. Light and Material: 指定光线来源、阴影、表面、质感、颜色温度。 5. Validate: 对照 visual semiotics、brand systems、studio art direction 和 contemporary AI risk sources。 6. Constraint: 写出 negative constraints、法律限制、品牌限制、产品准确性限制。 7. Prompt: 生成 prompt-ready instruction，避免词堆。 8. Critique: 检查 artifact、brand fit、layout fit、production risk。 9. Refine: 用具体修正指令迭代，不随机加风格词。 ## Output Format - Handoff Target: 交付给 image generation operator / art director / designer / retoucher / production team。 - Asset Type: prompt direction、reference boundary、image spec、retouch notes、layout-safe asset。 - Image Purpose: 图像要完成什么任务。 - Visual World: 画面世界、媒介逻辑、真实度。 - Subject / Scene: 主体、环境、动作、关系。 - Camera / Composition: 景别、角度、焦点、留白、裁切。 - Lighting / Materiality: 光线、阴影、材质、表面。 - Color Direction: 色温、主色、强调色、饱和度。 - Prompt-ready Direction: 可直接给图像模型的指令。 - Negative Constraints: 必须避免的内容和失真。 - Locked Image Controls: 必须保持不变的主体、镜头、材质、光线、品牌限制。 - Adaptation Requirements: poster、KV、social、web、retouch、crop 的要求。 - Validation Binding: canonical / studio / contemporary references。 - Production Notes: ratio、resolution、safe area、retouching。 - Evaluation Score: 按本 Skill 评分。 ## Quality Bar AI 图像必须服务明确设计意图，视觉世界一致，材质和光线可信，artifact 可控，并能在目标版面中被裁切、排版和交付。 ## Anti-Patterns - Prompt stuffing: 堆大量风格词但没有视觉世界和构图逻辑；不能作为 validated art direction。 - Generic cinematic: 任何图都写 cinematic lighting，导致无差异影像。 - Plastic AI skin: 人物皮肤过度光滑、毛孔消失、表情假。 - Fake material: 金属、玻璃、布料、纸张没有真实物理逻辑。 - Impossible product: 产品结构、logo、文字、包装细节错误。 - Layout unusable image: 没有留白或安全区，无法放标题或裁切。 - Unsafe imitation: 直接模仿活跃艺术家、品牌广告或可识别摄影风格。 - Surreal without concept: 超现实元素存在但不服务 message。 - Case-backed evidence: Gretel image systems 显示重复行为和系列一致性比单张惊艳更重要。 - Case-backed evidence: Collins expressive worlds 显示视觉世界必须有品牌语义边界。 - Case-backed evidence: Studio Dumbar controlled experimentation 显示实验图像必须有系统限制。 - Case-backed evidence: contemporary AI imagery patterns 显示 plastic skin 和 fake materials 会迅速降低可信度。 - Case-backed evidence: campaign layout use 显示没有 safe area 的图像会在后期排版中失败。 ## Evaluation Criteria 1-5 分： - Intent fit: 图像是否服务任务。 - Visual world coherence: 世界观是否一致。 - Composition clarity: 主体和焦点是否明确。 - Camera language: 镜头、角度、景深是否有意图。 - Material credibility: 材质、光线、表面是否可信。 - Artifact control: 人体、文字、logo、产品细节是否安全。 - Reference safety: 是否避免直接模仿和版权 / 品牌风险。 - Production usability: 是否可裁切、排版、导出和修图。 - Real-world performance: 图像在 poster、KV、social crop 中是否保留主体和文字空间。 - Real-world performance: 产品、人物、logo、文字细节是否能通过修图成本检查。 - Generation stability: 多轮生成是否能保持主体、材质、镜头和品牌约束。 - Prompt loss tolerance: prompt 被模型弱化后，关键限制是否仍可通过 recovery 找回。 - Handoff integrity: 生成、修图、排版、授权边界是否足以让团队接手。 - Production survivability: 图像经过裁切、放大、压缩和 retouch 后是否仍可用。 ## Production Notes 必须作为 production handoff 记录：aspect ratio、resolution、safe area、是否需要透明背景、可放文字区域、产品准确性要求、参考限制、授权假设、negative constraints、seed / model notes if available、retouching needs、crop variants、final / concept 状态和人工复核点。 ## Canonical References - Visual Semiotics: 支持图像符号、场景意义和品牌语义。 - Brand Systems: 支持图像与品牌识别的一致性。 - Grid & Layout: 支持图像裁切、留白和图文关系。 ## Studio References - Gretel: 可验证 motion / image system and campaign visual worlds。 - Collins: 可验证 expressive brand worlds and storytelling。 - Studio Dumbar: 可验证 dynamic visual systems and controlled experimentation。 ## Validation Notes - Production validation conclusion: AI 图像进入生产后，最先损耗的是 prompt constraint、产品准确性和 layout safe area。 - Production validation conclusion: model drift 会让同一 art direction 在多轮生成中变成不同视觉世界。 - Production validation conclusion: AI image handoff 必须包含 negative constraints、retouch notes 和 reference safety，否则无法稳定交付。 - Contemporary Validation Sources: D&AD、Creative Review、It’s Nice That 可作为 art direction quality signal；Behance Featured limited 只能作为 weak contemporary signal。 ## Evidence Gaps - 缺 prompt-to-retouch deployment proof：从生成到修图到最终版式的损耗链路。 - 缺 model drift proof：不同模型、seed、迭代轮次下 art direction 的稳定性记录。 - 缺 product / logo / text accuracy proof：产品图像在真实交付中的人工修正成本。 ## Production Proof First production proof focus: generation stability, model drift, prompt loss and handoff integrity. 本 Skill 的生产验证目标是判断 AI image art direction 从 prompt 进入多轮生成、修图、裁切、版式和交付后，visual world、subject accuracy、materiality、safe area 和 brand safety 是否稳定保留。 ## Real-world Stress Conditions - Model drift: 同一 prompt 在不同模型或多轮迭代中偏离视觉世界。 - Prompt loss: 模型忽略 negative constraints、safe area、材质或产品细节。 - Product accuracy: 包装、logo、文字、结构生成错误。 - Human / skin artifacts: 人物表情、手、皮肤和比例失真。 - Crop adaptation: poster、KV、social 比例变化导致主体或留白丢失。 - Retouch handoff: 修图师不知道哪些内容必须保留或禁止改变。 - Reference risk: 参考图过强，生成结果接近受保护品牌或风格。 ## Production Constraints - Prompt must separate subject, world, camera, material, lighting and constraints. - Negative constraints must include product, text, logo, anatomy and reference safety. - Safe area and crop variants must be defined before generation. - Image cannot be considered final until artifact and retouch review passes. - Product and brand assets may require manual compositing instead of generation. - Handoff must state final vs concept status. - Model / seed / iteration notes should be preserved when available. ## Output Loss Layer - What degrades first: fine product details、text accuracy、hands、material surface、brand-specific cues。 - What collapses under pressure: visual world consistency、safe area、lighting continuity、series cohesion。 - What survives: clear subject hierarchy、simple composition、strong material direction、locked crop rule。 - What becomes noise: extra surreal details、fake bokeh、gloss、over-texture、irrelevant props。 - What loses brand signal: off-style lighting、generic AI premium look、incorrect product / logo / color。 ## Failure Under Execution - Prompt 写得完整，但模型持续忽略文字安全区，导致无法排版。 - 产品图生成漂亮，但 logo、包装结构或文字错误，无法交付。 - 多张系列图使用同一 direction，却出现不同光线、材质和世界观。 - 修图阶段删除了原本用于品牌识别的关键材质或构图。 - 社媒裁切后主体被截断，poster 版本又缺少留白。 - 参考图过强，结果接近可识别品牌广告或摄影风格。 ## Production Recovery Rules - If prompt loss appears, split prompt into subject, composition, material, lighting and constraints blocks. - If product accuracy fails, generate environment separately and composite approved product assets. - If safe area fails, regenerate with explicit negative space and crop anchor before retouching. - If model drift appears, reduce style variables and lock camera, material and lighting. - If artifacts persist, simplify anatomy / object complexity or switch medium logic. - If brand signal weakens, reintroduce approved color, material, product or layout cue. - If reference risk is high, abstract structure and remove identifiable surface features. ## Injected Cases - Case Name: Visual semiotics for image meaning Type: canonical Why It Matters: 支持图像符号与品牌语义。 What It Validates: image must communicate meaning。 What It Corrects: 纠正无概念超现实。 What It Adds: meaning check。 - Case Name: Photography / art direction composition principles Type: canonical Why It Matters: 支持镜头、主体、焦点和光线。 What It Validates: camera language before prompt。 What It Corrects: 纠正 prompt stuffing。 What It Adds: shot logic。 - Case Name: Grid & layout principles for image use Type: canonical Why It Matters: 支持留白、裁切和文字安全区。 What It Validates: image must fit layout。 What It Corrects: 纠正 wallpaper image。 What It Adds: layout usability。 - Case Name: Gretel image / motion systems Type: studio Why It Matters: 展示图像作为系统的一部分。 What It Validates: repeatable visual behavior。 What It Corrects: 纠正单张惊艳。 What It Adds: image system logic。 - Case Name: Collins expressive brand worlds Type: studio Why It Matters: 展示视觉世界和品牌语义的结合。 What It Validates: strong world needs boundaries。 What It Corrects: 纠正风格泛化。 What It Adds: brand world logic。 - Case Name: Studio Dumbar controlled visual experimentation Type: studio Why It Matters: 展示实验图像需要系统规则。 What It Validates: controlled experimentation。 What It Corrects: 纠正随机超现实。 What It Adds: constraint-led art direction。 - Case Name: D&AD / Creative Review art direction patterns Type: contemporary Why It Matters: 提供 campaign image quality benchmark。 What It Validates: image must support idea。 What It Corrects: 纠正漂亮但无任务图像。 What It Adds: communication benchmark。 - Case Name: Contemporary AI image failure patterns Type: contemporary Why It Matters: 提醒 plastic skin、fake materials、text errors、layout failure。 What It Validates: negative constraints must be explicit。 What It Corrects: 纠正“生成后再修”依赖。 What It Adds: artifact anticipation。 ## Extracted Heuristics - Learn: define visual world before prompt；Strengthens: art direction；Apply: all AI image tasks。 - Learn: shot logic beats style-word stacking；Strengthens: camera language；Apply: photography-like generation。 - Learn: material credibility must be specified；Strengthens: taste and realism；Apply: product and premium imagery。 - Learn: safe area is an image requirement, not layout afterthought；Strengthens: production fit；Apply: posters and KV。 - Learn: negative constraints should include brand and legal risk；Strengthens: safety；Apply: reference-based generation。 - Learn: repeatability matters for campaign images；Strengthens: system thinking；Apply: series generation。 - Learn: surrealism needs message function；Strengthens: semiotic fit；Apply: conceptual imagery。 - Learn: artifact risk is part of evaluation, not technical cleanup；Strengthens: critique；Apply: final image review。 ## Case-backed Refinements - Reinforced: art direction must precede prompt. - Corrected: realism alone is not enough; layout usability and product accuracy matter more. - Narrowed: contemporary AI inspiration is weak evidence unless tied to production context. ## Inherits - Canonical System: composition、color、hierarchy、image-text layout。 - Trend Overlay: 用于识别 AI aesthetic fatigue 和饱和风格。 - Taste System: materiality、precision、premium vs generic、maturity。 - Anti-Pattern System: generic AI gloss、plastic skin、unsafe imitation。 - Critique System: artifact and production findings。 - Evaluation System: image-specific scoring。 ## Version - Version: V1.0 (production-proven) - Status: production-proven - Last updated: 2026-05-02