Image To Prompt Skill

image-to-prompt-skill

功能

从图片中提取视觉描述，生成可用于文生图的提示词。

使用场景

1. 参考图分析：分析参考图片，生成风格一致的提示词
2. 风格迁移：从现有图片提取风格特征，应用到新场景
3. 提示词优化：对比生成图片与目标效果，优化提示词
4. 资产复用：从历史项目图片中提取提示词，复用到新项目

输入

• 图片文件路径：本地图片文件（PNG、JPG、WEBP 等）
• 分析维度（可选）：
  • full：完整分析（默认，包含所有元素）
  • character：聚焦人物（外观、服装、表情、姿态）
  • scene：聚焦场景（环境、光线、氛围、道具）
  • composition：聚焦构图（景别、角度、运镜、色彩）

输出

• 提示词文件：outputs/{剧本名}/reverse-prompts/{图片名}-prompt.md
• 内容包含：
  • 原图路径
  • 分析维度
  • 提示词（叙事描述式）
  • 关键元素清单（人物、场景、构图、色彩、光影、氛围）

执行流程

1. 读取图片：加载本地图片文件
2. 编码图片：将图片编码为 base64 格式
3. 调用 API：使用 gemini-3.1-pro-preview 模型分析图片
4. 提取元素：根据分析维度提取关键视觉元素
5. 生成提示词：将视觉元素转化为叙事描述式提示词
6. 输出文件：保存提示词到指定路径

API 调用示例

from openai import OpenAI
import base64
import os

# 初始化客户端
client = OpenAI(
    api_key="your-api-key",
    base_url=os.environ["NANO_BANANA_BASE_URL"]
)

# 读取并编码图片
with open("image.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode("utf-8")

# 调用 API
response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/jpeg;base64,{image_data}"
                }
            },
            {
                "type": "text",
                "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。"
            }
        ]
    }]
)

prompt = response.choices[0].message.content
print(prompt)

提示词生成原则

1. 叙事描述式：使用完整句子描述，避免关键词堆叠

   • ❌ 错误：男性，黑色西装，严肃表情，办公室背景
   • ✅ 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。

2. 元素完整：覆盖 26 元素框架（参见 references/20-frame-description-elements.md）

   • 人物：外观、服装、表情、姿态、动作
   • 场景：环境、道具、空间关系
   • 构图：景别、角度、视角
   • 色彩：主色调、色彩对比、色彩情绪
   • 光影：光源、明暗对比、光影氛围
   • 氛围：情绪基调、叙事意图

3. 可复现性：描述足够精确，能够生成相似的图片

   • 包含具体的细节（如"深蓝色西装"而非"西装"）
   • 包含空间关系（如"站在窗前"而非"站着"）
   • 包含情绪线索（如"严肃的表情"而非"表情"）

4. 风格一致：保持与项目整体风格一致

   • 参考项目已有的角色和场景提示词
   • 保持相同的描述风格和细节层次

5. 可编辑性：提示词结构清晰，便于后续修改和优化

   • 使用段落分隔不同元素
   • 使用清晰的标记（如"人物："、"场景："）

分析维度说明

full（完整分析）

提取所有视觉元素，生成完整的提示词。适用于：

• 需要完整复现图片的场景
• 参考图分析
• 风格迁移

输出示例：

## 提示词

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。

## 关键元素

**人物**：
- 外观：中年男性，短发，五官立体
- 服装：深蓝色西装，白色衬衫，深色领带
- 表情：严肃，目光锐利
- 姿态：站立，右手插口袋，左手垂放，身体微侧

**场景**：
- 环境：现代办公室，落地窗，城市天际线
- 道具：无明显道具
- 空间关系：人物站在窗前，背景是城市

**构图**：
- 景别：中景
- 角度：平视
- 视角：正面偏侧

**色彩**：
- 主色调：深蓝、暖橙、灰白
- 色彩对比：冷暖对比（室内冷色 vs 窗外暖色）
- 色彩情绪：冷静、专业

**光影**：
- 光源：顶部筒灯 + 窗外自然光
- 明暗对比：中等对比
- 光影氛围：柔和、专业

**氛围**：
- 情绪基调：冷静、严肃、专业
- 叙事意图：展现人物的权威感和决断力

character（聚焦人物）

重点提取人物相关元素，适用于：

• 角色设定图生成
• 人物提示词优化
• 角色一致性参考

输出示例：

## 提示词

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。

## 关键元素

**人物**：
- 外观：中年男性，短发，五官立体
- 服装：深蓝色西装，白色衬衫，深色领带
- 表情：严肃，目光锐利
- 姿态：站立，右手插口袋，左手垂放，身体微侧
- 气质：冷静、专业、权威

scene（聚焦场景）

重点提取场景相关元素，适用于：

• 场景设定图生成
• 环境提示词优化
• 场景一致性参考

输出示例：

## 提示词

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。

## 关键元素

**场景**：
- 环境：现代办公室，落地窗，城市天际线
- 道具：无明显道具
- 空间关系：室内空间，窗外城市景观
- 光线：顶部筒灯 + 窗外自然光
- 氛围：专业、冷静、现代

composition（聚焦构图）

重点提取构图相关元素，适用于：

• 分镜参考
• 镜头设计
• 构图优化

输出示例：

## 提示词

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。

## 关键元素

**构图**：
- 景别：中景
- 角度：平视
- 视角：正面偏侧
- 人物位置：画面中心偏右
- 背景：落地窗 + 城市天际线

**色彩**：
- 主色调：深蓝、暖橙、灰白
- 色彩对比：冷暖对比
- 色彩情绪：冷静、专业

**光影**：
- 光源：顶部筒灯 + 窗外自然光
- 明暗对比：中等对比
- 光影氛围：柔和、专业

注意事项

1. 图片格式：支持 PNG、JPG、JPEG、WEBP、GIF 等常见格式
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
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
4. 敏感内容：避免分析包含敏感内容的图片
5. 版权问题：确保图片来源合法，避免侵权

与其他 Agent 的协作

• art-designer：将反推的提示词集成到角色或场景提示词中
• image-generator：使用反推的提示词生成新图片，验证提示词质量
• storyboard-artist：参考反推的提示词优化分镜描述
• visual-storyteller：使用反推的提示词作为视觉化参考

参考文档

• references/20-frame-description-elements.md：帧图描述 26 元素清单
• references/11a-seedance-prompt-methodology.md：Seedance 提示词方法论
• references/11b-image-motion-prompt.md：图像与动态提示词方法论