图像生成/编辑任务的模式感知提示词工程与出图流程（GPT…

当需要生成或编辑图片（海报/UI/产品图/信息图/学术图/架构图/漫画/头像/分镜等）时，先探测运行模式，再按模板渲染 prompt 并交由对应通道出图。

适用场景

解决思路

1. 先确定运行模式：运行 `node skills/gpt-image-2/scripts/check-mode.js`（需要结构化结果给上层程序时加 `--json`），输出会给出 `mode = A` / `A?` / `B-or-C` 以及 `recommendation`，此步是任何任务的第一步。
2. 按模式决策表判定：`ENABLE_GARDEN_IMAGEGEN` 为真（`1`/`true`/`yes`/`on`）且有 `OPENAI_API_KEY` → Mode A；`ENABLE_GARDEN_IMAGEGEN` 为真但无 KEY → A?（先要 KEY，不调脚本）；未启用且宿主有图像工具 → Mode B；未启用且宿主无图像工具 → Mode C。
3. 明确本技能只做两类图像任务：生成图片走 `POST /images/generations`，编辑图片走 `POST /images/edits`。
4. Mode A（Garden 本地生图）：用 `scripts/generate.js` 做文本生图、`scripts/edit.js` 做编辑，prompt 默认落盘到 `garden-gpt-image-2/prompt/`、图片落盘到 `garden-gpt-image-2/image/`。
5. Mode B（Host-Native 委托宿主）：仍走“选模板 → 填字段 → 渲染最终 prompt”流程，但不要调用 `node scripts/generate.js`（没有 API key 必失败），直接调用宿主自带图像工具（如 `image_generation` / `imagegen` / `dalle` / `nano_banana` / `mcp__*image*` / `make_image`）并把渲染好的 prompt 作为输入；如用户希望可顺手把 prompt 保存到 `garden-gpt-image-2/prompt/`，图片去向由宿主决定。
6. Mode C（Advisor 纯提示词顾问）：走“选模板 → 填字段 → 渲染最终 prompt”流程，缺信息就问用户；把最终 prompt 直接打印给用户并保存一份到 `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md`；附一句简短“如何使用”建议（丢进 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 自己后端 / 第三方 GPT Image 2 网关）；不要假装出图成功，明确告知用户“已生成可直接复用的高质量 prompt，请用你的图像工具执行”。
7. 模式不确定时（分不清 B 还是 C）直接问用户一句：“是用你环境里的图像工具出图，还是只要我写好提示词？”；Mode A 调脚本失败（401 / 网络 / 配额）时报错并询问“切到 B / C 吗？”。
8. 需要向用户提问时：优先使用当前运行时提供的用户输入工具；没有对应工具则用简短的纯文本编号问题；能合并的问题尽量一次问完。
9. 按顺序读取配置：1) CLI 参数 2) `process.env` 3) `<cwd>/.env` 4) `<cwd>/.gateway.env` 5) `~/.gateway.env`；核心变量为 `ENABLE_GARDEN_IMAGEGEN`（模式开关）、`OPENAI_API_KEY`（Mode A 必需，B/C 不需要）、`OPENAI_BASE_URL`（默认 `https://api.openai.com/v1`，可指向第三方兼容网关）、`OPENAI_IMAGE_MODEL`（默认 `gpt-image-2`，可换 `gpt-image-1` / `dall-e-3`）。
10. 默认输出目录：提示词用当前工作区下的 `garden-gpt-image-2/prompt/`（A/B/C 三模式都建议用，方便复用与版本管理）；图片用 `garden-gpt-image-2/image/`（仅 Mode A）；目录不存在时 Mode A 脚本必须自动创建，Mode B / C 在写 prompt 前手动 `mkdir -p`。
11. 默认命名规则：提示词 `garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md`，图片 `garden-gpt-image-2/image/<task-slug>-<timestamp>.png`；`<task-slug>` 从当前用户要求自动提取相关短名称，`<timestamp>` 为当前时间戳（如 `20260424-153045`），避免重名。
12. Prompt 保存规则：Mode A 必须保存；Mode B 推荐保存（用户说“不用”就略过）；Mode C 必须保存（不落盘等于白干）。通用做法：用户显式给了 prompt 文件路径可直接用该文件作输入；用户给的是文本 prompt 也要先把最终 prompt 保存到 `garden-gpt-image-2/prompt/`；用户显式指定 `--prompt-output` 则尊重用户路径；否则按默认命名规则自动保存。
13. 图片保存规则（仅 Mode A）：用户显式指定 `--image` 或 `--output` 则尊重用户路径；否则默认保存到 `garden-gpt-image-2/image/`；文件名与当前任务语义相关并附加时间戳。Mode B 由宿主图像工具决定保存方式，Mode C 不产生图片。
14. 读取模板时按层级定位：先读方法论总文档 `references/prompt-writing.md`（用于决定怎么构造 JSON 模板、哪些字段该问/可默认/可随机、把案例抽象成可复用模板），再按分类目录定位具体模板文件，只读最贴近的具体模板文件，不要一次性全读整个 `references/`。
15. 模板涵盖 18 大类，按任务类型选择目录：1) 方法论 `references/prompt-writing.md`；2) UI Mockups `references/ui-mockups/`（直播带货、社交动态、商品卡、聊天界面、短视频封面、SaaS 长页面）；3) Product Visuals `references/product-visuals/`（爆炸视图、白底主图、影棚级、包装、生活场景、电商销售看板）；4) Maps `references/maps/`（美食地图、旅行路线、城市插画、门店分布、一日游 split 海报）；5) Slides & Visual Docs `references/slides-and-visual-docs/`（高密度讲解、政策风、报告页、教学示意图）；6) Poster & Campaigns `references/poster-and-campaigns/`（品牌海报、KV、banner hero、杂志封面、仿生概念、复古信息图、角色目录、lineup 对比）；7) Portraits & Characters `references/portraits-and-characters/`（商务肖像、创始人肖像、虚拟主播、角色设定稿、姿势参考表）；8) Scenes & Illustrations `references/scenes-and-illustrations/`（治愈场景、电影感概念、绘本、极简氛围）；9) Editing Workflows `references/editing-workflows/`（背景替换、局部替换、去物、产品精修、人像局部改）；10) Avatars & Profile `references/avatars-and-profile/`（风格转移自拍、网格肖像、3D 图标、贴纸集、文化系列肖像）；11) Storyboards & Sequences `references/storyboards-and-sequences/`（四格漫画、漫画跨页、动漫 KV、关系图、食谱流程、TVC 分镜、电影感分镜网格、真人流程板）；12) Grids & Collages `references/grids-and-collages/`（2×2 banner、lookbook、混合风格拼贴、立项 pitch board、多行业广告网格）；13) Branding & Packaging `references/branding-and-packaging/`（品牌识别板、吉祥物套装、化妆品包装、饮料标签、大型品牌全流程文档、IP 角色周边板）；14) Typography & Text Layout `references/typography-and-text-layout/`（大字海报、双语文版式）；15) Assets & Props `references/assets-and-props/`（拟物图标集、游戏截图 mockup）；16) Academic Figures `references/academic-figures/`（方法总览、网络架构、qualitative 对比、科学示意图、机理图、多工况对比、publication 图表、graphical abstract、研究总览海报）；17) Infographics `references/infographics/`（高图例密度、手绘风、bento 网格、对比、步骤教程、KPI 仪表盘）；18) Technical Diagrams `references/technical-diagrams/`（系统架构、流程图/决策、时序、状态机、ER、思维导图、网络拓扑）。
16. 学术图选择策略：CS/CV/ML 论文首选 `method-pipeline-overview` + `qualitative-comparison-grid`；工程/能源/化工/材料方向首选 `method-pipeline-overview` 变体 4 + `mechanism-diagram` + `multi-condition-comparison`；投稿期刊摘要图用 `graphical-abstract`；答辩 PPT 首页用 `research-overview-poster`；学术图偏白底 + 出版物字体 + 几何精确 + 低饱和工程色（深蓝/灰蓝/黑灰为主，≤3 主色）+ 可单色印刷，严格禁止虚构定量数据（数值/等值线/色标范围/公式）。
17. JSON 模板工作方式：从 `SKILL.md` 找到最贴近的分类目录 → 定位具体模板文件 → 模板中的 `{argument ...}` 表示可替换参数 → 用户明确提供的值直接填入 → 用户未提供但模板标了 `default` 的可先用默认值 → 缺失信息会显著影响结果时主动询问 → 用户明确说“你随机生成”时可保留默认值或在模板允许范围内合理随机化。
18. 严格遵循模板格式：大部分模板用 JSON 主模板（结构化任务首选）；少数模板（`infographics/hand-drawn-infographic.md`、`academic-figures/scientific-schematic.md` 等）使用“结构化自然语言 + 参数”混合形式，因为强行 JSON 会限制创作自由。
19. 询问规则：不要笼统地问“你想要什么风格？”，应根据模板字段精确提问；例如直播 UI 模板缺主体时问“主播是谁？用真人照片、名人名字、人物描述，还是完全随机生成？”；缺商品信息时问“商品名称是什么？商品价格是否指定？是否希望我自动补全评论和礼物内容？”。
20. 执行模式感知的提示词工作流：1) 跑 `check-mode.js` 确定模式；2) 判断任务是生图还是改图；3) 识别所属分类目录；4) 只读取对应的具体模板文件；5) 严格遵循模板格式；6) 把用户输入映射到模板参数并在关键信息不足时发起有针对性的澄清；7A) Mode A 保存 prompt 到 `garden-gpt-image-2/prompt/`，调用 `scripts/generate.js` 或 `scripts/edit.js`，图片落到 `garden-gpt-image-2/image/`；7B) Mode B 把最终 prompt 直接传给宿主的图像工具调用，按需保存 prompt 副本；7C) Mode C 保存 prompt 并把完整 prompt 在对话中展示给用户并附“如何使用/推荐工具”建议；8) 结束后用一句话告诉用户当前模式是什么、prompt 落在哪、图（如有）落在哪。
21. Mode A 命令行用法示例：文本生图 `node skills/gpt-image-2/scripts/generate.js --prompt "A cute baby sea otter" --size 1024x1024 --quality high`；用提示词文件生图 `node skills/gpt-image-2/scripts/generate.js --promptfile garden-gpt-image-2/prompt/poster-20260424-153045.md`；编辑已有图 `node skills/gpt-image-2/scripts/edit.js --image assets/source.png --prompt "Replace the background with a clean studio scene"`；带遮罩局部编辑 `node skills/gpt-image-2/scripts/edit.js --image assets/source.png --mask assets/mask.png --prompt "Replace only the masked area with a glass vase"`。
22. 遵守重要约束（通用）：模板文件中的 JSON 是提示词结构模板而非 API 请求体模板；三种模式下最终交给图像模型的都是“渲染后的 prompt 字符串”（拍平 JSON 或结构化自然语言段落，按模板原样使用）；除非用户明确要求，不要把 `SKILL.md` 里的“模式说明”复制到最终 prompt 里。
23. 遵守仅 Mode A 的约束：生成脚本使用 JSON body；编辑脚本使用 multipart form data；响应优先按 `data[0].b64_json` 解析，也兼容 `data[0].url`；除非上游接口明确要求，不额外引入特殊 query 参数。
24. 何时提问：只在这些信息缺失且会显著影响结果时提问——没有 prompt 目标、改图时没有原图、主体身份或视觉类型决定结果走向、商品/价格/文案/UI 文本是画面核心组成部分、用户同时表达多个互相冲突的目标；除此之外优先自己做合理默认并继续执行。

适用边界 · 注意事项

• 需要可编辑矢量图时不要用本技能的技术图模板（`references/technical-diagrams/` 产出的是 PNG 位图），改用 mermaid / draw.io / excalidraw / Figma。
• Mode B / C 下不要调用 `node scripts/generate.js` 或 `scripts/edit.js`（无 API key 必失败）；Mode C 下不要假装出图成功。
• 学术图不要虚构定量数据（数值、等值线、色标范围、公式）。