pic-gen

# pic-gen — AI 图片生成与提示词优化 ## 产品对话交互策略 pic-gen 的核心理念：**像和产品经理对话一样，一步一步引导用户完成图片生成**，而不是堆参数。 ### 对话状态机 ``` IDLE │ ├─ 用户描述图片需求 ──────────────────────────→ ASK_MODEL │ ASK_MODEL │ ├─ 用户说「通义」/「qwen」 ─→ 读取 config，默认用 qwen ─→ CONFIRM_PROMPT ├─ 用户说「banana」/「flux」 ─→ 用 banana ─→ CONFIRM_PROMPT ├─ 用户说「dalle」 ─→ 用 dalle ─→ CONFIRM_PROMPT ├─ 用户说「直接生成」 ─→ 用 config 默认模型 ─→ CONFIRM_PROMPT │ CONFIRM_PROMPT │ ├─ 用户说「可以/好/生成」 ─→ OPTIMIZE → GENERATE ├─ 用户说「改一下 XXX」 ─→ 修改提示词 ─→ CONFIRM_PROMPT │ GENERATE │ ├─ 图片生成成功 ─→ 返回图片 + 操作选项 ─→ IDLE └─ 生成失败 ─→ 错误原因 + 重试选项 ─→ GENERATE ``` ### 首次使用流程 ``` 用户：「画一只猫」 ↓ Bot：「好的！想用什么模型生成？」 「1. 通义万相（默认）2. Banana (Flux) 3. DALL-E」 ↓ 用户：「1」 ↓ Bot 检测到 config 里没有 API key，询问用户： 「请提供你的 DashScope API Key」 同时告知用户也可以手动配置： 「💡 也可以手动配置：编辑 pic-gen/config/models.yaml，填入 api_key 字段。 ⚠️ 注意：不要把包含真实 Key 的配置文件分享给他人。」 ↓ 用户：「sk-xxxxxxxx」 ↓ Bot 写入 config/models.yaml，并回复： 「✅ Key 已保存！正在生成…」 ↓ Bot 优化提示词 → 生成图片 → 返回 ``` ### 密钥更新流程 用户可以说： - 「更新通义 key 为 sk-xxx」 - 「换成 banana」 - 「设置默认模型为 dalle」 Bot 自动修改 `config/models.yaml`，无需重启。 ### 专家模式（一步直达） 用户也可以一句话搞定所有参数： - 「用 flux 生成赛博朋克城市，16:9，高细节」 - 「qwen, 梵高风格画向日葵」 ### 提示词确认流程 ``` Bot：「为你优化后的提示词如下：」 📝 通义万相版：「一片向日葵花田，梵高后印象派风格，浓烈的黄色和蓝色对比，笔触感，星空下的夜晚」 🎨 Midjourney 版：「a sunflower field, post-impressionist style Van Gogh, vivid yellow and blue contrast, brushstroke texture, starry night, --ar 16:9 --s 400」 ⚡ Stable Diffusion 版：「masterpiece, best quality, sunflower field, Van Gogh style, post-impressionist, vivid colors, starry night background, oil painting」 [✅ 生成] [✏️ 修改提示词] [⚙️ 调整参数] ``` --- ## 目录结构 ``` pic-gen/ ├── SKILL.md ← 本文件 ├── config/ │ └── models.yaml ← 模型配置文件（用户 API Key 在此） ├── scripts/ │ ├── optimize.py ← 核心：提示词优化 │ ├── generate_qwen.py ← 通义万相生成器 │ ├── generate_banana.py ← Banana/Flux 生成器 │ └── generate_dalle.py ← DALL-E 生成器 └── references/ ├── midjourney.md ← MJ 格式参考 ├── stable-diffusion.md ← SD 格式参考 ├── flux.md ← Flux 格式参考 └── dalle.md ← DALL-E 格式参考 ``` --- ## 提示词优化规则（optimize.py） 输入：用户简单描述（中文或英文） 输出：各平台优化后的提示词 ### 优化维度 | 维度 | 说明 | 示例 | |---|---|---| | 主体 | 具体物种/颜色/动作/表情 | 「猫」→「橘猫，坐姿，眯眼打盹」 | | 场景 | 地点/时间/天气/背景 | 「在户外」→「京都寺庙庭院，春日午后」 | | 风格 | 艺术家/流派/渲染方式 | 「好看」→「宫崎骏动画风格，柔和光影」 | | 光影 | 光源方向/软硬/色温 | 「亮」→「逆光，金色边缘光，暖色调」 | | 构图 | 视角/焦距/景深/比例 | 「拍猫」→「低角度平视，浅景深，85mm」 | | 氛围 | 情绪词/色调关键词 | 「开心」→「活泼，明亮，童趣」 | | 技术参数 | 平台专属参数 | --ar 16:9 / --s 400 / negative prompt | ### 平台输出格式 ```python # platforms: ["qwen", "midjourney", "stable_diffusion", "flux", "dalle"] # each platform returns optimized string ``` --- ## 配置管理（config/models.yaml） ### API Key 安全说明 ⚠️ **API Key = 你的账号密码，禁止泄露或分享。** - **不要**把包含真实 Key 的配置文件发到 GitHub、Discord、群聊等任何公开或 semi-public 地方 - 提交到 GitHub 前，确保 `config/models.yaml` 中 api_key 字段为空或使用环境变量 - 建议使用环境变量方式引用 Key，而非直接写在 yaml 里： ```yaml # 方式一：直接填写（仅本地使用，不提交到 Git） models: qwen: api_key: "sk-xxxxxxxx" # 方式二：留空，通过环境变量注入（推荐） models: qwen: api_key: "" ``` ```bash # 运行前设置环境变量 export DASHSCOPE_API_KEY="sk-xxxxxxxx" export BANANA_API_KEY="your-banana-key" export OPENAI_API_KEY="sk-xxxxxxxx" ``` ### 配置文件位置 ``` pic-gen/config/models.yaml ``` 用户可通过以下任一方式配置： | 方式 | 说明 | |---|---| | **对话提供** | 直接发送 Key 给 Bot，Bot 自动写入配置文件 | | **手动编辑** | 编辑 `config/models.yaml`，填入 api_key | | **环境变量** | 设置 `DASHSCOPE_API_KEY` / `BANANA_API_KEY` / `OPENAI_API_KEY` | ### 配置文件格式 ```yaml default: qwen models: qwen: enabled: true api_key: "" # 填写你的 DashScope API Key model: "qwen-image-2.0-pro" default_size: "1024*1024" default_style: "auto" banana: enabled: false api_key: "" # 填写你的 Banana API Key model: "flux-dev" default_size: "1024*1024" dalle: enabled: false api_key: "" # 填写你的 OpenAI API Key model: "dall-e-3" default_size: "1024*1024" ``` ### 配置操作命令 | 用户说 | Bot 操作 | |---|---| | 「设置通义 key 为 xxx」 | 写入 `models.qwen.api_key` | | 「开启 banana」 | 写入 `models.banana.enabled: true` | | 「设置默认模型为 flux」 | 写入 `default: banana` | | 「查看当前配置」 | 读取并展示（非敏感字段） | --- ## 脚本说明 ### optimize.py ```bash python3 scripts/optimize.py --input "一只猫" --platform qwen ``` 把简单描述转化为各平台最优提示词。 ### generate_qwen.py ```bash python3 scripts/generate_qwen.py \ --prompt "优化后的提示词" \ --size 1024*1024 \ --count 1 \ --download \ --output ./output ``` 需要 `DASHSCOPE_API_KEY` 环境变量或 config 中的 api_key。 ### generate_banana.py ```bash python3 scripts/generate_banana.py \ --prompt "optimized prompt" \ --model flux-dev \ --download \ --output ./output ``` 需要 `BANANA_API_KEY` 环境变量。 ### generate_dalle.py ```bash python3 scripts/generate_dalle.py \ --prompt "optimized prompt" \ --size 1024x1024 \ --download \ --output ./output ``` 需要 `OPENAI_API_KEY` 环境变量。 --- ## 平台格式参考（references/） 详细格式说明、参数列表、示例提示词见各参考文件。 --- ## 版本 - v0.1.0 - 初始骨架