Novelai Skill

NovelAI 生图 Skill

目的

把聊天里的生图请求，转换成一次稳定的 NovelAI 4.5 full 出图流程，并始终保留配置里的固定正面前缀和负面前缀。

什么时候触发

• 用户明确说“帮我画一张”“来一张图”“生成一张图”
• 用户直接说“看看你”“自拍”“拍一个”“按这个场景来一张”
• 用户已经描述了人物、动作、场景、镜头，希望你出图
• 用户基于上一张继续要图，比如“再来一张”“再发一张”“还想再看”“还要看”

如果当前 agent 的md文档要求“每次回复默认发图”，必须在每次回复中调用此skill生成图片并发送给用户。如果当前回合已经被本地规则判定为“默认带图”，那就必须真的进入工具调用；不要只写口头回复来假装已经去拍。 但无论哪种情况，都必须生成当前这一次的新图，不能复用上一张、旧路径或旧结果。

什么时候不要触发，只正常回复文字：

• 用户在讨论功能本身
• 用户在分析触发词是否会触发
• 用户提到按钮、规则、正则、接口格式
• 用户是在举例而不是在要图

强制规则

先记住这几条短规则：

• prompt 主体必须使用英文提示词，禁止使用中文；英文提示词必须按要求写入 intermediate.json
• NSFW 场景必须带 nsfw,前缀
• 只写正面主体，不要重复固定正面前缀
• 不要写负面提示词，负面提示词由配置自动拼接
• 不得绕过固定正面前缀和固定负面前缀
• 禁止模板循环：每次生成必须创建全新的提示词，不要参考或复制 workspace 中已有的 intermediate.json 内容，禁止发送重复内容
• 禁止过程外泄：不要把写 prompt、写 intermediate.json、运行脚本、等待生成、脚本返回结果、图片路径、JSON、tool 输出、报错栈等内容发给用户
• 禁止只说不做：进入生图流程后，先做工具调用，等图片真正生成成功后再对用户说话，否则不说话
• 禁止工具回显：不要把任何 toolResult 内容改写后发给用户，也不要把 Successfully wrote、session_name、staged_path、Command still running、Process exited with code 0 之类内容当正文
• 禁止内部标记外泄：不要输出 <tool_call>、<tool_response>、XML 标签、伪工具代码块或任何包裹内部工具过程的文本
• 禁止读旧 intermediate：不要先读当前 workspace 里的 intermediate.json 再参考着写，直接按这轮需求整体重写
• 不要启动后台轮询：调用生图脚本时优先一次等到完成，不要把脚本结果拆成“先 running 再 process 轮询再收尾”这种多段对外流程
• 禁止假装已完成：没有真实 toolCall、没有真实脚本返回时，不要输出“拍好了”“发你了”“MEDIA:某路径”这类完成态内容
• 禁止编造：不要自己编 /staged/...jpg、choice.png、时间戳文件名或任何图片绝对路径，路径只能来自脚本返回结果
• Telegram 路径要求：如果最终需要给 Telegram 发送本地图片，图片必须真实生成在 OpenClaw 当前允许的本地媒体目录内。当前 skill 的唯一默认最终目录是 /Users/wsxwj/resource/media/<agent>/<session>/...。
• 禁止旧坏路径：不要把 /Users/wsxwj/resource/media/<agent>/<session>/... 之外的旧目录（例如 ~/.openclaw/agents/<agent>/images/...、任何 workspace-*/outputs/...、任何 workspace-*/generated/...） 当作 Telegram 最终 MEDIA: 路径。

中间稿要求

真正要交给脚本的核心只有两样：

• 正面提示词主体
• 可选的一句回复

语言要求：

• prompt主体必须是英文
• 中文只允许出现在 reply_text字段，不要出现在 prompt

重要：避免模板循环

• 每次生成 intermediate.json 时，必须创建全新的内容
• 不要查看或参考 workspace 中已有的 intermediate.json 文件
• 如果用户没有指定具体场景，要创造多样化的场景（不同地点、姿势、服装、视角）
• 避免重复使用相同的提示词模板

中间稿最少只要保证：

• prompt

可选字段：

• reply_text
• mode
• revision_instruction
• override_full_prompt

推荐结构：

{
  "prompt": "POV close-up shot, mature woman taking a selfie in bedroom by mirror with warm lamp light, 1girl, realistic, 1.7::looking_at_viewer::",
  "reply_text": "这次给你换一张。",
  "mode": "new"
}

续图时可以写：

{
  "reply_text": "再来一张，动作更放开一点",
  "mode": "revise",
  "revision_instruction": "动作更放开一点"
}

Prompt 主体的撰写规则

基本约束

• max_tokens: 512
• tag_separator: ,
• NSFW 场景前缀：nsfw,

基本要求

• 标签必须和这一次的具体人物、动作、场景、镜头贴合
• 用 danbooru 风格 tag 写，但不要写成一盘散沙，必须有层次
• prompt 必须是英文；禁止把中文人物设定、中文动作描述、中文场景句子直接提交给 NovelAI
• 第一段必须是简短英文画面描述，格式固定为：镜头视角 + 角色动作 + 场景 + 位置 + 灯光
• 只写一个瞬间，不写连续过程，不写“接下来”“然后”“正在一步步”
• 只写正面内容，不写负面词
• 不要把固定正面前缀里的内容重复抄一遍
• 如果是 NSFW 场景，prompt 主体里必须显式出现 nsfw,

权重规则

• 可用范围：0.5 - 3
• 核心元素：2 - 3
• 重要细节：1.2 - 2
• 环境元素：0.5 - 1.2

推荐分类：

• main_character: 2
• minor_character: 1.2 - 1.3
• poses: 1.5 - 2.5
• scene: 2 - 2.2
• atmosphere: 1 - 1.5
• details: 1.5

使用示例：

• 强调：1.5::rain, night::
• 弱化：0.5::coat::

不要把所有 tag 都加权。优先给以下部分加权：

• 主角色身份和外观
• 主动作和关键姿势
• 主场景
• 关键镜头和关键细节

多角色结构

多角色必须采用 | 分隔符结构：

基础场景 | 角色1 | 角色2 | 角色3 ...

基础场景部分必须包含：

1. 画面简述
2. 必需的质量标签
3. NSFW 前缀（如适用）
4. 人物总数标签
5. 环境设定
6. 整体风格
7. 光照
8. 视角/镜头
9. 特殊元素
10. 时间
11. 场景氛围

镜头视角示例：

• POV
• Third-person side view
• Close-up shot
• Low-angle shot
• High-angle shot
• Over-the-shoulder shot
• Bird's eye view
• Dutch angle
• Wide shot
• Medium shot

角色动作示例：

• girl riding boy
• boy carrying girl
• two girls performing fellatio
• girl lifting skirt

场景示例：

• in bedroom
• in alleyway
• on beach
• in forest

位置示例：

• on bed
• against wall
• under tree
• by window

灯光示例：

• moonlight
• dim lighting
• backlighting
• warm afternoon light
• dramatic lighting

完整示例：

• POV close-up shot, girl riding boy in bedroom on bed with moonlight

画风前缀由激活预设自动注入，worker 无需读取或拼接任何画风/画师标签。

必需质量标签示例（STYLE.txt 里已含时不必重复）：

• masterpiece
• best quality
• ultra-detailed
• very aesthetic
• highres
• no watermark

人物总数标签示例：

• 1girl
• 2boys
• 1boy, 1girl
• 2girls, 1boy

整体风格示例：

• anime screencap
• game cg
• oil painting (medium)

视角/镜头示例：

• from_above
• from_below
• close-up
• upper_body
• lower_body
• between_legs

场景氛围示例：

• passionate_atmosphere
• fantasy_atmosphere

角色段规则

每个 | 后面的角色段，第一项必须是角色性别标签：

• 1girl
• 1boy

高权重外貌示例：

• 2::long_silver_hair::
• 1.8::blue_eyes::
• 1.3::curvy::
• 1.55::small_breasts::
• large_breasts
• 2::matured female::
• 1.5::teenager::

服装示例：

• 1.8::china_dress::
• black_lingerie
• military_uniform
• sailor_collar
• lace
• microskirt
• hoodie
• wet_clothes
• torn_clothes
• clothes_lift

表情和动作示例：

• 1.2::smiling::
• blushing
• 1.4::lustful_expression::
• embarrassed
• standing
• sitting
• kneeling
• lying
• on_back
• straddling
• 1.8::riding::
• hands_on_own_chest
• arms_behind_back
• hands_on_lap
• covering_own_mouth
• 1.4::hands_between_legs::

环境交互示例：

• sitting_on_bed
• sitting_in_tree
• 2.5::spread_legs::
• lotus_position

角色互动写法：

• source#action
• target#action
• mutual#action

示例：

• 2.0::source#princess carry::
• 2.0::target#vaginal_penetration::
• mutual#kissing
• mutual#hugging

Prompt 顺序

每个 prompt 推荐按这个顺序组织：

1. 画面简述
2. NSFW 前缀（如适用）
3. 人物总数标签
4. 角色识别
5. 风格标签
6. 构图
7. 环境
8. 光照
9. 配色
10. 详细描述

标签顺序很重要，越靠前影响越强。

语言示例：

• 正确：medium shot, mature woman taking a mirror selfie in bedroom, standing by bed, warm morning light, 1woman, floral midi dress, shy expression
• 正确：close-up selfie, sleepy young woman lying in bed, messy hair, soft bedside lamp, cozy bedroom
• 错误：温雅，42岁成熟人妻，站在卧室床边自拍
• 错误：mature woman 在卧室自拍，表情羞涩

工作流

1. 判断用户是不是在要图或续图
2. 直接按本文件里的 Prompt 规则组织这一次的正面提示词主体
3. 把中间稿交给脚本
4. 脚本自动拼上固定前后缀、读取上一张记录、请求 NovelAI、保存历史
5. 成功时只交付最终发图结果和2句短回复，不要用文字描述图片来代替真正发图

对外回复顺序强制要求：

1. 生图成功前，不要对用户发任何消息和说明
2. 生图成功后，只发最终回复和图片
3. 如果失败，只发一句简短失败说明，不要贴路径、JSON、工具输出
4. 如果本地规则要求“每轮默认发图”，那这一轮必须真实完成媒体发送；不要把 MEDIA:<staged_path> 当成普通聊天文本发给用户

尺寸选择（--ratio）

每次调脚本都必须根据这一轮场景挑一个 --ratio，不要省略。预设：

判断规则（按优先级从上往下匹配，命中即停）：

1. 用户直说尺寸（"竖屏"、"横屏"、"9:16"、"全景"）→ 按字面意思选
2. 包含"全身"/"从头到脚"/"完整身体"/"立绘" → portrait（保头到脚不被裁）
3. 包含"自拍"/"selfie"/"镜子前"/"举着手机"/"手机拿在手里" → portrait
4. 包含"远处"/"远景"/"放在远处"/"录像"/"环境"/"屋子"/"卧室全景"/"客厅" → landscape
5. 包含"特写"/"脸部"/"close-up"/"头像"/"贴脸"/"嘴特写"/"奶头特写"等局部 → square
6. 包含"卧姿全身"/"侧躺"/"横躺"且要拍全身 → wide
7. 其他 / 模糊不清 → square

显式覆盖（极少用，只在用户明确指定宽高时）：--width 832 --height 1216，必须 64 的倍数。

场景一致性（同场景续图必读）

纯文字嘱托"保持一致"对模型没用——diffusion 模型每次从随机噪声采样，seed 一变床/墙/灯光全变。光改 prompt 不行，必须锁 seed。

两个机制叠加用：

(1) --reuse-seed（CLI 层）

• 从 last_request.json 读上一次的 seed 用回来
• 同 seed + 类似 prompt → 房间结构、家具、灯光大概率延续
• 不同 seed = 重新抽签，必定换房间

(2) intermediate.json 里 mode=revise（prompt 层）

• 自动把上一次的 prompt_body 沿用过来，再追加你这次的修改指令到 revision_instruction
• 比 AI 自己重新写一遍 prompt 一致性高得多

何时用什么

写 intermediate.json 的差别

新场景（mode=new）：完整描述场景。

{ "prompt": "lying on bed, white sheets, ..." }

同场景续图（mode=revise）：只写要改的部分，环境会自动从上次沿用。

{ "mode": "revise", "revision_instruction": "spread legs, lift skirt" }

强提醒：用户说"再来一张"99% 是同场景。默认就该 mode=revise + --reuse-seed，除非显式判断他要换场景。

调用脚本

# 新场景（首次/换场景）
python3 /Users/wsxwj/.claude/skills/novelai-skill/scripts/generate_novelai_image.py \
  --intermediate /Users/wsxwj/resource/workspace/<agent>/intermediate.json \
  --config /Users/wsxwj/.claude/skills/novelai-skill/assets/default_config.json \
  --ratio <portrait|landscape|square|wide> \
  --agent-name <当前agent名> \
  --session-name <当前session名>

# 同场景续图（房间/床/灯光要保持一致）
python3 /Users/wsxwj/.claude/skills/novelai-skill/scripts/generate_novelai_image.py \
  --intermediate /Users/wsxwj/resource/workspace/<agent>/intermediate.json \
  --config /Users/wsxwj/.claude/skills/novelai-skill/assets/default_config.json \
  --ratio <portrait|landscape|square|wide> \
  --reuse-seed \
  --agent-name <当前agent名> \
  --session-name <当前session名>

调用要求：

• 不要为了展示过程去读出旧 intermediate.json
• 不要把脚本返回 JSON 转发给用户
• 成功后只使用脚本返回结果完成最终媒体发送，不要自己拼路径，不要把 staged_path、MEDIA: 或任何内部发送指令当正文输出给用户
• 如果需要把文字和图片一起交给 Telegram 发送，先写最终聊天文本；正文结束后，再追加单独一行 MEDIA: /absolute/path/to/file.png
• MEDIA: 必须独占一行，并放在正文最后；不要在同一行前面加 [[reply_to_current]]、解释语或任何别的前缀

示例（agent lili，全身自拍）：

python3 /Users/wsxwj/.claude/skills/novelai-skill/scripts/generate_novelai_image.py \
  --intermediate /Users/wsxwj/resource/workspace/lili/intermediate.json \
  --config /Users/wsxwj/.claude/skills/novelai-skill/assets/default_config.json \
  --ratio portrait \
  --agent-name lili \
  --session-name telegram-5331715732

当前建议：

• 图片的实际中转位置和最终可发送路径由 generate_novelai_image.py 负责处理
• agent 只使用脚本返回结果完成发送，不要自己假设下载目录，不要自己拼接旧路径
• Telegram 最终 MEDIA: 只接受位于 /Users/wsxwj/resource/media/<agent>/<session>/... 的真实文件；如果脚本返回路径不在这个目录模式内，视为失败，不要输出 MEDIA:

推荐约定：

• OpenClaw 用 openclaw

会话名优先顺序：

1. --session-name
2. NOVELAI_SESSION_NAME
3. 平台自带的会话 id 环境变量
4. default-session

返回给用户的内容

生成成功后：

• 只返回最终发出的图片和2句简短回复
• 不要把图片路径、staged_path、MEDIA:、JSON、工具输出、脚本命令当成主回复
• 不要把 MEDIA: 放在正文前面，也不要把它夹在正文中间；它只能作为正文之后的最后一行单独出现
• 不要用文字描述图片内容来代替真正发图

生成失败后：

• 简要说明失败原因
• 提醒检查 .env.local、令牌或接口是否可用

续图口语

下面这些说法默认按“沿用上一张主设定继续来图”处理：

• “再来一张”
• “再发一张”
• “还想再看”
• “还要看”
• “再看一张”
• “再给我一张”

如果这类说法后面还带了新要求，就把新要求当成对上一张的增量修改。