154 lines
8.1 KiB
Markdown
154 lines
8.1 KiB
Markdown
---
|
|
name: imagegen
|
|
description: 用豆包 Seedream 5.0 生图(`seedream` tool)。当用户要配图 / 封面 / 概念图 / 效果图 / 示意图 / 海报 / 插画时使用 —— 重点是把用户的模糊一句话**问清楚再画**,而不是上来就烧 ¥0.22。
|
|
---
|
|
|
|
# Imagegen
|
|
|
|
把"我想要张图"变成一张能用的图。**先诊断模糊度 → 一次性给推断 + 待确认项 → 用户拍板 → 装配 prompt → 调 `seedream`**。
|
|
|
|
每次 `seedream` 调用 **¥0.22**(`search=true` 加 ¥0.05),3-5 秒出图。**模糊就问,不要赌**。
|
|
|
|
## 何时用本 skill
|
|
|
|
- 用户要**配图 / 封面 / 概念图 / 效果图 / 示意图 / 海报 / 插画**(明确说"画一张" / "出张图" / "来个封面")
|
|
- 用户拿到 mermaid 结构图后说"太干了想要有质感的版本" / "做个有视觉感的"
|
|
- ppt / proposal skill 流程中,要往 deck / docx 里塞概念图 / 引子图
|
|
|
|
## 何时不走本 skill(直接走通用工具)
|
|
|
|
- 用户**没主动要图**(别为"丰富回复"装饰性生图 —— 这是 system prompt 红线)
|
|
- 用户给了具体参考图说"按这个改" —— Seedream 5.0 是文生图不接图像输入,告诉用户走描述
|
|
- 已有合适素材(用户上传 / 之前生成过)—— 直接 `read` / 引用,别重新生成
|
|
|
|
## 关键岔路:mermaid vs seedream
|
|
|
|
**默认倾向 mermaid**(`run_python` 或 proposal skill 的 `render_diagrams.py` 都能渲):
|
|
- 节点-箭头-结构关系明确(技术路线 / 流程 / 组织架构 / 时序 / 甘特)
|
|
- 优势:矢量、文字清晰、可编辑、零成本
|
|
|
|
**反向选 seedream**(满足任一):
|
|
- 用户**明确说**"画一张图" / "做张示意图" / "出个图"(而非"画个流程图" / "做个架构图")
|
|
- 需要**视觉冲击 / 美感**:汇报封面 / ppt 引子页 / 营销 / 宣传配图
|
|
- 概念是**抽象 / 隐喻**的("AI 与材料融合"、"创新驱动"、"绿色低碳"这类只能靠意象表达)
|
|
- 用户看过 mermaid 版本后说"太干了" / "想要有质感的"
|
|
|
|
**模糊时主动问一句**:
|
|
> 这张图你想要 **结构清晰的流程图**(mermaid 矢量,零成本),还是 **有视觉感的示意图**(seedream 生成,¥0.22)?
|
|
|
|
不要默默替用户决定。
|
|
|
|
## 诊断模糊度 — 五维清单
|
|
|
|
用户原话能不能撑起一个 prompt?在脑里过一遍这 5 维:
|
|
|
|
| 维度 | 缺失信号 |
|
|
|---|---|
|
|
| **主体** What | "画个混凝土" → 混凝土的什么?试块 / 楼板 / 微观结构 / 配料? |
|
|
| **场景** Where | 工地 / 实验室 / 实验台面 / 虚拟空间? |
|
|
| **风格** Style | 写实摄影 / 工程效果图 / 扁平插画 / 水彩 / 工业风 / 学术示意? |
|
|
| **构图** Composition | 特写 / 中景 / 广角俯视 / 第一视角 / 截面图? |
|
|
| **光线/氛围** Mood | 自然光 / 工业灯 / 暖色 / 冷色 / 神秘氛围 / 高对比? |
|
|
|
|
**评估规则**:
|
|
- 5 维**填齐 / 缺 ≤1** → 可以直接装配 prompt 调用
|
|
- 缺 2 维及以上 → **先问再画**(见下节)
|
|
- 用户直接给了完整中文长描述(自带主体+场景+风格)→ 视为已对齐,跳过追问
|
|
|
|
## 一次性给推断 + 待确认项(不要一个个问)
|
|
|
|
模糊时 **不要**轮流追问 "什么主体?" / "什么风格?" —— 用户会烦。**一次把你的推断摆出来,让用户改或确认**:
|
|
|
|
> 你说"画个混凝土的图",我打算这样画:
|
|
> - **主体**:施工中正在浇筑的现代混凝土楼板
|
|
> - **场景**:工地俯视视角,远处有塔吊
|
|
> - **风格**:写实工程摄影,质感细腻
|
|
> - **构图**:广角俯视
|
|
> - **光线**:正午阳光,清晰阴影
|
|
>
|
|
> 这样画可以吗?或者告诉我:你想突出什么?(微观结构 / 浇筑工艺 / 成品质感 / 新旧对比 ...)
|
|
|
|
推断时优先看**上下文**:做申报书"水泥水化"章节 → 八成是要学术示意图;做营销海报 → 八成是要写实摄影感;做内部汇报 ppt 封面 → 八成是有视觉冲击的概念图。
|
|
|
|
## 装配 prompt — 用户确认后
|
|
|
|
用户拍板后,**把 5 维拼成自然中文 prompt**,直接传给 `seedream`:
|
|
|
|
```
|
|
施工中正在浇筑的现代混凝土楼板,工地俯视视角,远处有塔吊,
|
|
写实工程摄影,质感细腻,广角俯视,正午阳光,清晰阴影
|
|
```
|
|
|
|
要点:
|
|
- **中英文都行**,豆包模型自己理解;**用中文更省脑**(用户也是中文给的)
|
|
- **不要堆"高质量 4K 8K masterpiece"** 这类废话(模型不靠这些发挥)
|
|
- **不要写否定提示词**("not blurry"、"no watermark")—— Seedream 不支持 negative prompt,这些会被当正向词吃进去反而坏事
|
|
- 主体放最前,风格 / 光线放后
|
|
|
|
## 参数取舍
|
|
|
|
| 参数 | 默认 | 何时改 |
|
|
|---|---|---|
|
|
| `size` | `2048x2048`(配置默认) | **超大海报 / 印刷需求** → `3072x3072`(原生最高);**ppt 单页配图** → `2048x2048` 已够;**做缩略图** → `1024x1024` 省体积。注意:**比例只能正方形** —— 需要 16:9 横版要自己后期裁,豆包 5.0 文生图不直接出非方形 |
|
|
| `watermark` | `false` | 默认无水印(申报书 / ppt / 客户交付都不该带);**仅当用户明确说"加水印"** 才传 `true` |
|
|
| `search` | `false` | **需要时事元素 / 特定品牌识别 / 真实人物**(如"画一下特斯拉 Cybertruck") → `true`,加 ¥0.05;**纯概念 / 抽象 / 通用对象** → `false`,模型本身知识足够 |
|
|
|
|
## 调用范式
|
|
|
|
`seedream` 是 tool 不是 skill 函数,**直接调,不要 `run_python` 包一层**:
|
|
|
|
```
|
|
seedream(
|
|
prompt="施工中正在浇筑的现代混凝土楼板,工地俯视视角,远处塔吊,写实工程摄影,质感细腻,广角俯视,正午阳光",
|
|
size="2048x2048", # 可省,走默认
|
|
watermark=false, # 可省
|
|
search=false, # 可省
|
|
)
|
|
```
|
|
|
|
返回串首行是 `[seedream] model=... · size=... · cost=¥... · elapsed=...s` —— 把这行原样保留给用户(前端 SPA 会 parse 挂徽章)。第二行 `saved: <相对路径>` 是产物路径,告诉用户。
|
|
|
|
产物自动落 `<task_dir>/figures/<时间戳>-<rand>.png` + 同名 `.meta.json`(prompt / 参数 / 成本 / response_id)。
|
|
|
|
## 失败 / 不满意后怎么办
|
|
|
|
**不要原 prompt 重发**!那是浪费 ¥0.22。失败模式 / 解药:
|
|
|
|
| 现象 | 原因 | 解药 |
|
|
|---|---|---|
|
|
| 主体方向偏(画了砂浆但想要混凝土) | prompt 主体词不够具体 | 增加修饰:"现代浇筑成型的钢筋混凝土楼板" |
|
|
| 风格不对(给了卡通但想要写实) | 缺风格词或风格词冲突 | 把风格词放到 prompt 前 1/3 位置:"写实工程摄影,xxx" |
|
|
| 光线 / 氛围不对 | 没指定光源 | 加 "正午阳光" / "工业冷光" / "暖色调" |
|
|
| 画面太空 / 太挤 | 没指定构图 | 加 "广角俯视" / "中景特写" / "黄金分割构图" |
|
|
| 出现奇怪文字 | Seedream 中文文字渲染不稳 | prompt 里**不要要求画文字 / 标签** —— 文字后期 ppt 里加 |
|
|
|
|
**先口头跟用户对齐改哪一维**,再发新调用 —— 不要"再画一张试试"连续烧钱。
|
|
|
|
## 产物处理
|
|
|
|
生图完成后:
|
|
- 把 `saved: figures/xxx.png` 路径告诉用户
|
|
- 如果是做 ppt / docx 配图,直接在后续 `add_picture` / `` 引用,不需要再问
|
|
- 用户说"换张" → 走上节的"对齐改哪一维"流程,不要默认重发
|
|
- 用户说"再来几张备选" → **先确认**:"备选 N 张会花 ¥{0.22 * N},确认?"(防止隐形烧钱)
|
|
|
|
## 反模式
|
|
|
|
- ❌ 用户没主动要图就装饰性生成(system prompt 红线)
|
|
- ❌ 用户说"画个 XX" 直接拿这 4 个字当 prompt 调用 —— 五维清单至少先问 1 轮
|
|
- ❌ 一个个问"什么主体?""什么风格?" —— 一次性摆推断 + 让用户改
|
|
- ❌ 同一目的不满意连续重发 2+ 次 —— 先校准 prompt 再调
|
|
- ❌ prompt 里堆 "high quality, 8k, masterpiece, ultra detailed" —— 没用,Seedream 不靠这些
|
|
- ❌ prompt 里写否定词 "no text, not blurry" —— Seedream 不支持 negative,会反向起效
|
|
- ❌ 给 `search=true` 跑通用概念(¥0.05 白付) —— 只有时事 / 特定品牌 / 真人才开
|
|
- ❌ 让用户在 mermaid / seedream 之间默默替他决定 —— 模糊就一句话问明白
|
|
- ❌ 用 `run_python` 调 `requests` 裸打豆包 API —— 走 `seedream` tool(已封装计费 / 落盘 / meta)
|
|
|
|
## 输出
|
|
|
|
调完告诉用户:
|
|
- 文件相对路径(`figures/xxx.png`)
|
|
- 本次成本(¥0.22 或 ¥0.27)
|
|
- 用的 prompt 摘要(主体 / 风格 / 光线 3 件套)
|
|
- 一句"要换方向 / 调风格 / 再来一张吗?"
|