Reorganize skills package structure

2026-05-20 16:57:46 +08:00
commit 0dd552a6f7
355 changed files with 127671 additions and 0 deletions
@@ -0,0 +1,10 @@
+当用户提供一张参考图，并希望生成“感觉相同但内容不同”的新图时触发。
+这里的“感觉”包括构图、配色、光线、风格或情绪等维度。
+该 skill 会从 10 个美学维度分析参考图，并压缩为 3 个核心轴（形态 / 审美 / 情绪），
+再根据原图来源匹配合适模型，并采用适配后的提示词风格进行生成，支持反复迭代优化。
+触发词包括："remix this image"、"make something like this"、"same vibe different content"、
+"I like this style make me…"、"replicate this feel"、"同风格不同内容"、"照着这个感觉做"、
+"帮我做一张类似风格的图"、"我喜欢这张图的感觉"、"复刻这种效果"、"风格迁移"、"图片remix"，
+以及任何“用户分享一张图片，希望生成受其美学启发的新图”的请求。
+关键区别在于：用户想要的是“受参考图启发的新图”，而不是复制或编辑原图。
+不适用于：图片编辑、清晰度增强、格式转换或图生视频。
@@ -0,0 +1,232 @@
+---
+name: image-remix
+display-name-zh: 图片重混
+description: |
+  Invoke when a user shares a reference image and wants new images with the same "feel" — composition,
+  color palette, lighting, style, or mood — but different content. Analyzes the image across 10 aesthetic
+  dimensions, collapses into 3 axes (Form / Aesthetic / Mood), then generates using a model matched to
+  the original's origin with adapted prompt style. Supports iterative refinement.
+  Trigger on: "remix this image," "make something like this," "same vibe different content,"
+  "I like this style make me…," "replicate this feel," "同风格不同内容," "照着这个感觉做,"
+  "帮我做一张类似风格的图," "我喜欢这张图的感觉," "复刻这种效果," "风格迁移," "图片remix,"
+  or any request where someone shares an image and wants new images inspired by its aesthetic.
+  Key distinction: user wants images INSPIRED BY the reference, not a copy or edit of it.
+  Do NOT trigger for: image editing, upscaling, format conversion, image-to-video generation.
+summary-cn: 上传参考图，复刻它的感觉生成新图
+summary-en: Generate new images with reference vibe
+version: 0.7.3
+tags: [Creative, Image, Style-Transfer, Remix, Design]
+tags-cn: [创意, 图片, 风格迁移, 混搭, 设计]
+exported-by: MiniMax-hub
+---
+
+# Image Remix — 图片灵感重混助手
+
+用户发一张参考图，分析它"好在哪里"，生成保留核心感觉但内容全新的图片。
+
+## 核心理念
+
+- **溯源驱动生成**：先判断原图来自哪个模型/实拍/手绘，直接调用对应模型 + 匹配的 prompt 写法——MJ 用关键词堆叠，Flux 用自然语言长句。溯源、工具、写法三位一体
+- **10维→3维坍缩**：内部 10 维分析，坍缩为用户可见的形/韵/意 3 维，精准定位"灵魂维度"
+- **保留感觉，替换内容**：Remix = 换内容留灵魂
+- **操作极轻**：发一张图 + 说一句话 → 就能出图，先出结果再迭代
+
+## 约定
+
+- 中间产物存储在 `./.image-remix/{session_name}/`（session_name 由图片文件名派生，小写去特殊字符）
+- **禁止生成拼贴/宫格图**：每次生成调用只生成 1 张，严禁在 prompt 中写 "grid"、"collage"、"2x2" 等
+- ⚠️ **MJ 四宫格说明**：MJ 固定输出 2×2 四宫格，由用户在画布中自行裁切处理
+- ⚠️ **禁止传参考图进生图工具**（文生图路径）：参考图仅用于 Phase 1 分析，生成完全依赖文字 prompt，规避版权风险
+
+---
+
+## Pipeline
+
+```
+Phase 0: 输入  →  Phase 1: 拆图  →  Phase 2: 快选  →  Phase 3: 出图  →  Phase 4: 迭代  →  Phase 5: 输出
+```
+
+---
+
+## Phase 0: 输入
+
+支持：本地路径 / URL（用 `import_images` 下载）/ 搜索描述（用 `image_search`）。
+
+多张图时：分别分析 → 提取各图灵魂维度 → 融合为组合 prompt（如"A图构图 + B图色彩"）→ 告知用户后生成。
+
+文件结构：
+```
+.image-remix/{session_name}/
+├── decompose.json       # Phase 1 分析结果
+├── generation_log.md    # 生成记录
+└── outputs/             # 生成图片 v1_01.png …
+```
+
+---
+
+## Phase 1: 拆图 (Decompose)
+
+### 1a. 溯源
+
+用 `read_media` 分析原图来源，对照 `references/model-fingerprints.md` 中的视觉指纹：
+
+```
+read_media(
+  file_path=参考图路径,
+  question="判断这张图最可能来自哪个 AI 模型 / 实拍 / 手绘。
+  参考 model-fingerprints.md 中的视觉指纹逐一比对。
+  重点关注：皮肤渲染、高光反射、边缘融合质量、色彩倾向、整体AI气质。
+  输出：model_guess、confidence(0-1)、clues(至少3条具体证据)、
+        alt_guess、is_ai_generated、is_photo、is_illustration"
+)
+```
+
+### 1b. 10 维分析
+
+```
+read_media(
+  file_path=参考图路径,
+  question="从以下 10 个维度深度分析这张图片，每个维度给出
+  description（英文技术描述）、summary（中文概括）、score（0-1显著度）：
+  1.构图 2.美术风格 3.色彩(含palette色值) 4.光影 5.氛围
+  6.质感 7.主体 8.叙事 9.后期风格 10.媒介画派"
+)
+```
+
+### 1c. 坍缩为形/韵/意
+
+| 维度 | 对应底层 | 含义 |
+|------|---------|------|
+| **形** | 构图 + 主体 | 画的什么、怎么摆的 |
+| **韵** | 美术风格 + 色彩 + 质感 + 后期 + 媒介 | 什么画风、什么调子 |
+| **意** | 氛围 + 光影 + 叙事 | 什么感觉、什么情绪 |
+
+取各子维度 score 加权平均，判断 1-2 个灵魂维度（最有辨识度的）。
+
+### 1d. 写入 decompose.json
+
+合并 origin + dimensions + collapsed + soul 字段写入文件。
+
+---
+
+## Phase 2: 快选
+
+### 展示溯源结论（必须执行）
+
+```
+📍 溯源结论
+  原图来源：[model_guess]（置信度 [confidence]）
+  判断依据：[最关键 2-3 条 clues]
+  灵魂维度：[soul_summary]
+
+🎯 直接调用：[匹配工具] — [一句话说明为什么]
+  Prompt 写法：[针对该模型的写法策略]
+  降级方案：[工具不可用时改用什么]
+```
+
+**溯源 → 工具 + Prompt 写法对照表**（溯源直接决定调用哪个工具和写法，两者不可分离）：
+
+| 溯源来源 | 调用工具 | Prompt 写法 | 降级 |
+|---------|---------|-----------|------|
+| Seedream | Seedream 生图工具 | 写实长描述，精确五官/服装材质，光线氛围细化 | `all_in_one`，保持写法 |
+| Kolors | Kolors 生图工具 | 写实描述，强调高光材质对比 | `all_in_one` |
+| Hunyuan | Hunyuan 生图工具 | 写实 + 中式意境词，简洁留白 | `all_in_one` |
+| Jimeng / 即梦 | 即梦生图工具 | 直接描述，风格词明确，饱和度显式写出 | `all_in_one` |
+| Wanx / 通义万象 | Wanx 生图工具 | 简洁描述，避免过密细节堆叠 | `all_in_one` |
+| Midjourney v5/v6 | MJ 生图工具 | 关键词堆叠 + 风格标签，简洁不啰嗦 | `all_in_one`，保持 keyword 写法 |
+| Flux.1 | Flux 生图工具 | 自然语言长句，光线材质细描 | `all_in_one`，保持长描述 |
+| Stable Diffusion | SD 生图工具 | 支持权重语法 `(词:1.3)`，负面 prompt 单独写 | `all_in_one`，去权重改自然语言 |
+| DALL-E 3 | DALL-E 生图工具 | 自然语言，直白描述，避免过度风格化 | `all_in_one` |
+| Ideogram | Ideogram 生图工具 | 明确文字内容和排版要求 | `all_in_one` |
+| 实拍照片 | 高写实生图工具 | 摄影术语主导，镜头参数 + 胶片型号 | `all_in_one`，保持摄影术语 |
+| 手绘 / 插画 | 插画生图工具 | 媒介 + 流派为锚 | `all_in_one`，保持媒介描述 |
+| 通用 AI / 难判断 | `all_in_one_image_generation` | 关键词 + 自然语言混合 | 无需降级 |
+| 完全不确定 | 多工具各出一张对比 | 每个工具用各自最优写法 | — |
+
+**工具不可用时的降级规则**：降级到 `all_in_one_image_generation`，但**保持原工具的 prompt 写法风格不变**，最大限度保留风格基因。
+
+### 生成路径选择（必须询问）
+
+通过问答询问用户：
+
+- **文生图（推荐）**：纯文字 prompt，零版权风险
+- **图生图**：参考图作为 image_ref 传入，还原度更高，需用户确认版权风险
+
+### 内容方向确认
+
+直接问用户"你想画什么"，一句话即可进入出图。
+
+若用户没有方向（只说"帮我 remix"），基于灵魂维度推荐 3 个替换方向供选择。
+
+**快捷指令**：`换皮`（只换主体）/ `取风格`（保韵）/ `取构图`（保形）/ `取氛围`（保意）
+
+---
+
+## Phase 3: 出图
+
+### 分支 A：文生图（Text-to-Image）
+
+严禁将参考图传入生成工具。Prompt 完全基于 Phase 1 分析重建风格。
+
+**Prompt 构建**：
+```
+[新内容主体]. [保留维度的英文 description]. single subject, one image only, no grid, no collage, no text, no watermark
+```
+
+**维度→Prompt 重点**：
+
+| 保留维度 | Prompt 侧重 |
+|---------|------------|
+| 形 | 镜头角度、景别、主体位置、纵深层次 |
+| 韵 | 艺术流派、色值/色彩关系、媒介描述、调色引用 |
+| 意 | 情绪形容词、光源描述、文化/时代引用、隐喻语言 |
+
+### 分支 B：图生图（Image-to-Image）
+
+参考图作为 `image_ref` 传入，Prompt 侧重描述新内容方向，风格描述辅助引导。
+
+### 生成参数
+
+询问用户尺寸：**跟随原图**（默认，用 ffprobe 测量后映射）/ 1:1 / 16:9 / 9:16
+
+「跟随原图」映射规则：ratio > 1.5 → 16:9；0.8~1.2 → 1:1；< 0.8 → 9:16。**必须先测量再写入 task_description，禁止猜测。**
+
+默认生成 **4 张**变体，每张单独调用一次，prompt 做轻微变体保持差异。
+
+输出保存到 `.image-remix/{session_name}/outputs/v{版本}_{序号}.png`，同步更新 `generation_log.md`。
+
+---
+
+## Phase 4: 迭代
+
+展示结果后询问满意度：**满意结束** / **微调** / **换方向** / **换模型**。
+
+微调直接在 prompt 层面调整，不回到 Phase 1 重新分析：
+
+| 反馈 | 动作 |
+|------|------|
+| "色彩再冷一点" | 微调色彩 prompt 词 |
+| "构图换成特写" | 调整镜头参数 |
+| "风格差太多" | 增强风格描述或换模型 |
+| "这张构图 + 那张色彩" | 组合两张维度重新生成 |
+
+---
+
+## Phase 5: 输出
+
+交付清单：文件位置 / 生成总数 / 迭代轮数 / 灵魂维度 / 溯源来源 / Prompt 写法策略
+
+可选：CDN 上传 / 风格入库（存入 `.image-remix/style-library/{风格名}.md`）/ 继续变体
+
+**风格库格式**（`references/analysis-example.md` 有示例）：
+```markdown
+# {风格名}
+## 溯源
+- 原图来源 / 调用工具 / Prompt 写法策略
+## 灵魂维度
+- 灵魂：{形/韵/意} — {soul_summary}
+## 成功 Prompt
+{完整英文 prompt}
+## 维度快照
+- 形 / 韵 / 意
+```
@@ -0,0 +1,32 @@
+# 灵魂维度分析示例
+
+以下是一张参考图的灵魂维度分析报告示例，展示分析输出的格式和深度。
+
+---
+
+参考图：一张日落时分的城市天际线照片，前景有河流倒影，暖色调电影感。
+
+---
+
+## 灵魂维度分析
+
+| 维度 | 分析 | 保留价值 |
+|------|------|----------|
+| 构图 | 经典三分法构图，天际线占据画面上三分之一，河流从左下角延伸至右侧形成引导线，前景倒影与实景对称营造纵深。画面留白得当，天空占比大，给人呼吸感。 | ⭐⭐⭐ |
+| 色彩 | 暖色主导——金橙色天空过渡到深紫色远山，水面反射出冷暖交织的色调。饱和度中等偏高，不过分浓烈但足够吸引眼球。整体色温偏暖，有电影级调色感。 | ⭐⭐⭐ |
+| 光影 | Golden hour 自然光，太阳位于画面右侧低角度，逆光打在建筑轮廓上形成剪影效果。水面有柔和的高光散射，暗部保留细节不死黑。明暗对比适中，有层次感。 | ⭐⭐ |
+| 风格 | 写实摄影风格，但有明显的后期调色痕迹。质感介于 iPhone 14 Pro 和全画幅相机之间——清晰但不过度锐化。整体有种"cinematic photography"的调性，像电影截图而非纪实摄影。 | ⭐⭐⭐ |
+| 氛围 | 宁静、治愈、略带孤独感的黄昏情绪。不是热闹的城市活力，而是站在河边远眺的旁观者视角。有一种"一天结束时的平静"的情感温度。 | ⭐⭐⭐ |
+| 主体 | 城市天际线是主体但并非焦点——它更像背景舞台，真正的主角是"光线"和"时刻"。没有人物，建筑也没有细节特写，主体处理偏抽象/情绪化。 | ⭐ |
+
+**灵魂一句话**：这张图打动人的核心是 golden hour 的光线 + 电影感调色 + 宁静旁观者的情绪，构成了一种"美好但转瞬即逝"的氛围。
+
+---
+
+## Remix 方向推荐（示例）
+
+基于灵魂分析，保留光影、色彩和氛围（3 星维度），推荐以下 Remix 方向：
+
+1. **日落沙漠** — 同样的 golden hour 光线和宁静氛围，换成沙丘和远方的地平线
+2. **黄昏港口** — 保留水面倒影元素，换成小渔船和灯塔的港口场景
+3. **秋日公园** — 暖色调转化为秋叶配色，保留旁观者视角，长椅上的孤独感
@@ -0,0 +1,37 @@
+# 模型视觉指纹参考
+
+溯源分析时，对照以下已知模型的视觉特征进行匹配。
+
+## 国产 AI 模型
+
+| 模型 | 视觉指纹 |
+|------|---------|
+| **Seedream**（字节） | 皮肤极度细腻、奶油感强，面部高度对称接近完美，色彩鲜艳但受控，商业摄影质感，中式审美倾向，服装/布料纹理精细，整体有种"太完美"的商拍感 |
+| **Kolors**（快手） | 风格与 Seedream 接近但皮肤更"塑料感"，高光区域偏硬，背景虚化方式有特定算法痕迹，人物轮廓线偏锐 |
+| **Hunyuan**（腾讯） | 写实与插画之间，面部细节丰富但偶有轻微扭曲，色调偏冷清，构图倾向干净留白，擅长中式场景和水墨融合风格 |
+| **Jimeng / 即梦**（字节） | 与 Seedream 同源但风格更多元，常见动漫/插画混合写实，色彩饱和度更高，边缘处理偶有锯齿 |
+| **Wanx / 通义万象**（阿里） | 整体偏平，颜色柔和，光影过渡较软，人物比例略显卡通化，背景细节密度低于前景 |
+
+## 国际主流 AI 模型
+
+| 模型 | 视觉指纹 |
+|------|---------|
+| **Midjourney v5/v6** | 强烈的美学主观性，高光有特有的"MJ 光晕"，构图戏剧性强，皮肤细节独特（既写实又带绘画感），人物眼睛常有特定的反光高光点，整体气质偏"高端时尚大片" |
+| **Flux.1** | 极高写实度，自然光感强，细节还原接近照片，噪点分布自然，人物无明显"AI感"，文字渲染比其他模型准确，材质物理感强 |
+| **Stable Diffusion / SDXL** | 因 checkpoint 差异大，常见特征：边缘处有轻微融合瑕疵，手部细节易出错，皮肤有时出现"蜡质感"，背景与主体交界处有融合痕迹 |
+| **DALL-E 3** | 即使写实风格也带有轻微"插画质感"，构图趋于安全/居中，安全性限制导致画面偏"无害化"，文字渲染准确，整体有种"儿童读物"的干净感 |
+| **Ideogram** | 文字排版能力极强，插画风格鲜明，色块边缘干净，常见平面设计感构图 |
+| **Adobe Firefly** | 色彩饱和度偏低/偏"Adobe 色系"，写实感适中，背景与主体融合自然但略显保守 |
+
+## 实拍 / 手绘判断
+
+- **实拍照片**：有真实镜头畸变、散景（bokeh）的物理光学特性、噪点分布符合传感器规律、细节随焦距变化有规律性衰减
+- **手绘/插画**：可见笔触方向、媒介质感（纸张纹理/颜料堆积）、透视略有主观变形
+
+## 溯源分析重点
+
+1. 皮肤渲染方式（奶油感/塑料感/写实感/绘画感）
+2. 高光和反射的处理习惯
+3. 边缘融合质量和瑕疵位置
+4. 色彩倾向和饱和度控制
+5. 整体画面的"AI气质"或"真实感"程度