> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # 出图提示词诊断技能 > 把出图前的提示词审阅封装成开箱即用的 Agent Skill，丢进 Codex、OpenClaw、hermes-agent、Claude Code 等任意编码 Agent：按六要素体检、揪出拉低质量的空泛词、输出可直接使用的优化提示词，也能拿实际出图反向复诊。默认用 gpt-5.6-luna。 本页提供一个**开箱即用的 Agent 技能（Skill）**：出图**之前**先把提示词过一遍体检，补齐缺失要素、删掉会拉低质量的空泛词，再拿优化后的版本去出图。整套东西就两个文件，**零第三方依赖**。 出图不满意，八成问题出在提示词，而不是模型或通道。这个技能把 [出图进阶篇](/api-capabilities/image-advanced-workflow) 里讲的「改写层」做成了可以丢进任意编码 Agent 的技能。 ## 这个技能能做什么 按主体 / 环境 / 光线 / 镜头 / 色调 / 构图六要素逐项判定，给 0-100 分，列出风险项，输出一条可直接复制使用的优化提示词。 把实际出图连同原提示词一起传进去，模型看图对照，指出**提示词里哪一句没有被执行**、模型自作主张加了什么，再针对性重写。 指定 `-t` 之后会追加该系列特有的提醒：参考图上限、蒙版支持情况、分辨率参数叫什么名字。 人像查肤质与光位，产品图查背景与文字禁令，插画则自动降低写实系检查的权重。 ## 实测：一条口语提示词的完整诊断 输入是用户会随手写的原话，外加它实际出的图： ```bash theme={null} python3 scripts/prompt_doctor.py "帮我出一张咖啡的产品图，好看一点，要高级感" \ -i result.jpg -t nano-banana -s product ``` 口语提示词生成的咖啡图：木桌、磨豆机、麻布袋等大量道具，杯身被模型编造了品牌名 诊断输出（节选真实运行结果）： ```text theme={null} 【诊断】18/100 —— 主体可辨，但缺少产品摄影约束，画面被模型扩展成生活方式场景 六要素：主体⚠️ 环境❌ 光线❌ 镜头❌ 色调⚠️ 构图❌ 风险项： · 提示词中的"咖啡的产品图"没有具体说明产品形态、材质、颜色和数量，模型自行生成了带拉花的咖啡杯。 · 提示词没有指定中性、可控的背景，模型自行加入了窗户、木桌、咖啡磨豆机、咖啡豆、布袋和书本， 导致画面更像生活方式摄影而非电商产品图。 · 提示词没有写主光方向、光线软硬或补光，成片采用了左侧窗光和较重的暖色阴影，光线不可控。 · "好看一点"和"高级感"属于抽象质量描述，没有转化为具体的色温、饱和度和摄影介质。 · 提示词没有声明禁止文字，模型自行生成了咖啡杯上的"AURA COFFEE ROASTERS"、磨豆机标牌 以及右下角书本上的"AURA"字样，商用时存在错误品牌和乱码风险。 【优化后的提示词】 制作一张电商产品摄影风格的咖啡产品图：画面主体是一只单独的哑光暖白色陶瓷咖啡杯…… （完整正文略） 【参数建议】size=2K aspect=1:1；电商方图适合1:1；若需要横版广告，可改用4:3并保留右侧文案留白。 ``` 拿这条优化后的提示词原样重出一次，同一个模型（`gemini-3-pro-image`）： 优化提示词重出的咖啡图：中性浅灰背景上一只暖白陶瓷拿铁杯，光线方向明确，投影落向右后方，画面无任何文字，四周留白充足 道具全部清掉、背景变成可控的中性灰、投影方向明确、没有任何编造的品牌名，留白也够放文案了。**模型没变，变的只是提示词。** ## 什么时候该跑诊断 不是每次出图都要审一遍。按需求本身的具体程度决定： | 你的需求长什么样 | 该怎么做 | | ------------------------ | -------------------------- | | 口语化、只有主体（「来张咖啡的产品图，好看点」） | **先诊断再出图**，收益最大 | | 出了图但和预期差很远 | **复诊模式**（`-i` 传实际出图），看图找原因 | | 已经写清了光位、焦段、构图 | 不必多此一举，直接出图 | | 要批量出同一系列的图 | 先诊断定稿一条，之后复用，不必每张都审 | 这个技能只改提示词，**不负责出图**。出图交给 [Nano Banana Pro 技能](/api-capabilities/nano-banana-image/skills) 或 [GPT-Image-2 系列技能](/api-capabilities/gpt-image-2/skills)，两者串起来就是完整的「先审后出」流程。 ## 能用在哪些 Agent 一个 Skill 本质上就是**一个文件夹**：一份写给 Agent 看的说明（`SKILL.md`）+ 一个干活的脚本。所以**凡是能读取本地文件、执行命令行的编码 Agent 都能用上**——比如 **Codex、OpenClaw、hermes-agent、Claude Code** 等。 唯一要求：跑 Agent 的那台机器装了 **Python 3** 并且**能联网**（脚本要直连 `api.apiyi.com`）。本技能**只用 Python 标准库，不需要 pip 装任何包**。 ## 三步装好 ### ① 建目录、贴文件 新建一个技能文件夹，放入下面两个文件（完整内容见后两节）： ``` image-prompt-doctor/ ├── SKILL.md ├── scripts/ │ └── prompt_doctor.py └── .env # 第②步创建，放你的 Key ``` 不需要 `pip install` 任何东西。 ### ② 同目录写 Key 在 `image-prompt-doctor/.env` 里写上你的 **API易 API Key**（在 `api.apiyi.com` 控制台创建）： ```bash theme={null} APIYI_API_KEY=sk-your-api-key ``` 脚本会自动从这个 `.env` 读取 Key，**无需任何额外配置或环境变量**。 `.env` 里是你的密钥。如果这个技能要随项目仓库共享，**务必把 `.env` 加进 `.gitignore`，不要提交到 git**。 ### ③ 交给 Agent * **支持技能自动发现的 Agent**（如 Claude Code）：把整个 `image-prompt-doctor/` 目录放进它的技能目录——个人级 `~/.claude/skills/`，或项目级 `.claude/skills/`（随仓库共享）。 * **其他 Agent**：按它各自的技能/插件约定放置；或者最简单——**直接让 Agent「读一下这个文件夹里的 SKILL.md，并照着执行」** 即可。 装好后就能用了，跳到 [怎么用](#怎么用) 看示例。 ## SKILL.md 新建 `image-prompt-doctor/SKILL.md`，完整内容如下（`description` 写清「做什么 + 何时用」，Agent 会据此自动触发）： ````markdown theme={null} --- name: image-prompt-doctor description: Diagnose and optimize an image-generation prompt before generating, or review a disappointing result against the prompt that produced it. Use this whenever the user is about to generate an image from a casual or vague prompt, asks why an image came out wrong, or asks to improve/rewrite an image prompt. allowed-tools: Bash(python3 *) --- # 出图提示词诊断 在真正出图**之前**先审一遍提示词，补齐缺失要素、删掉会拉低质量的空泛词，再拿优化后的版本去出图。 也可以在出图**之后**把实际结果回传，让模型对照提示词指出哪一条没被执行。 API 调用是单次原子调用，提示词原样进模型，没有网页版那种自动改写兜底——所以提示词质量直接决定成功率。 ## 什么时候用 - 用户给的出图需求是口语化的（「来张咖啡的产品图，好看点」），**先诊断再出图**； - 用户抱怨出图不对、和预期差很远，**用复诊模式看图找原因**； - 用户直接要求「帮我优化这个提示词」。 需求本身已经写得很具体（光位、焦段、构图都有）时不必多此一举，直接出图。 ## 两种运行方式 ### 方式一：调脚本（默认，用 gpt-5.6-luna） ```bash # 出图前诊断 python3 ${CLAUDE_SKILL_DIR}/scripts/prompt_doctor.py "帮我出一张咖啡的产品图，好一点" -t nano-banana -s product # 出图后复诊：把实际出图一起传进去 python3 ${CLAUDE_SKILL_DIR}/scripts/prompt_doctor.py "把红框里的杯子改成黑色，其他不变" -i result.png # 给程序消费的 JSON python3 ${CLAUDE_SKILL_DIR}/scripts/prompt_doctor.py "国风山水插画" -s illustration --json ``` 参数： - 第 1 个位置参数：待诊断的提示词（必填）。 - `-i / --image`：实际出图的路径，可重复，最多 4 张；**传了就进入复诊模式**。 - `-t / --target`：目标图片模型，`nano-banana` / `gpt-image` / `seedream` / `flux` / `grok`，会追加该系列特有的提醒（参考图上限、蒙版支持、参数名等）。不确定就不传。 - `-s / --scene`：题材，`portrait` / `product` / `scene` / `illustration`，默认 `auto`。插画类会自动降低写实系检查的权重。 - `--model`：诊断用的文本模型，默认 `gpt-5.6-luna`（便宜、支持图像输入）。也可用 `APIYI_TEXT_MODEL` 环境变量覆盖。 - `--json`：输出原始 JSON。 Key：脚本自动读技能目录下 `.env` 里的 `APIYI_API_KEY`，也支持同名环境变量。 报「未找到 Key」时提示用户在 `.env` 写一行 `APIYI_API_KEY=sk-xxx`。 ### 方式二：你自己来（没有 Key，或不想额外花钱时） 诊断量表本身没有秘密，你可以直接按下面这套标准自己审，不调任何 API。 输出格式与脚本保持一致，用户看到的东西一样。 ## 诊断量表 **六要素**，逐项判 ✅ 写清楚了 / ⚠️ 提到但含糊 / ❌ 完全没写： | 要素 | 判定标准 | |---|---| | 主体 | 材质、颜色、数量、状态是否具体 | | 环境 | 背景是什么、虚实关系 | | 光线 | 光源方向、软硬、有无补光——**必须存在一个可指认的主光** | | 镜头 | 焦段、光圈、机位高度、俯仰角 | | 色调 | 白平衡倾向、饱和度、胶片或数码质感 | | 构图 | 主体在画面什么位置、留白在哪 | **必须报出的风险项**： - **空泛质量词**（8K / 超高清 / 超精细 / 杰作 / 大师作品 / 完美）：不提高分辨率，反而把画面推向过锐过饱和的渲染感，是「AI 味」的主要来源。建议删除，换成具体的光、镜头、介质。 - **在提示词里写分辨率**：无效。分辨率只由 `size` / `imageSize` 之类的参数决定。 - **一句话塞多个编辑动作**：单次成功率显著下降，建议拆成多轮，一次只改一类东西。 - **用「这个」「红框里的东西」指代**：编辑类任务最常见的失败原因，要点名具体物体。 - **没有声明画面内文字**：模型会自行编造品牌名和文案，商用等于废片。要么写清出现什么字，要么明确禁止出现文字。 - **真人、名人、受版权保护的角色、未成年人、暴力或成人内容**：会被上游审核拦截，要提前改写。 **优化原则**：补齐缺失要素，不要堆形容词把提示词写长；用户已明确指定的要素原样保留； 要写实质感就加具体光位、焦段光圈、介质和主动添加的瑕疵（毛孔、碎发、磨损、水渍）， 不要用「真实感」「高级感」这类抽象词；不要输出独立的负面提示词字段，把「不要什么」直接写进正文。 ## 输出与后续动作 把诊断结果如实转述给用户——分数、缺了哪些要素、风险项、优化后的提示词、改了什么、参数建议。 然后**征求用户确认再出图**：优化版可能改变了原意（比如把「咖啡」定成了「拿铁」）， 让用户看一眼再决定。用户认可后，用优化后的提示词调出图技能（如 `nano-banana-pro`）， 并按「参数建议」里的 `size` / `aspect` 传参。 用户明确说「不用问了直接出」时，就用优化版直接出图，把诊断摘要和图一起给他。 ## 边界 - 这个技能只改提示词，**不出图**，也不做审核预判之外的合规判断。 - 优化后的提示词仍然可能一次不中——生成模型单次采样本身有波动，失败就重试或换模型。 - 分辨率、宽高比、参考图这些只能靠参数解决的东西，诊断只会提醒，不会写进提示词正文。 ```` ## scripts/prompt\_doctor.py 新建 `image-prompt-doctor/scripts/prompt_doctor.py`，完整内容如下（纯 Python 标准库，无需安装依赖）： ````python theme={null} #!/usr/bin/env python3 """出图提示词诊断：审阅提示词、指出缺失要素、给出优化版本。 通过 API易 调用文本模型（默认 gpt-5.6-luna）。纯标准库，零依赖。 支持两种模式： 1) 出图前诊断 —— 只给提示词 2) 出图后复诊 —— 同时给提示词和实际出图（模型看图反推哪条要素没落实） """ import argparse import base64 import json import os import sys import urllib.error import urllib.request DEFAULT_MODEL = "gpt-5.6-luna" BASE_URL = "https://api.apiyi.com/v1/chat/completions" MAX_IMAGES = 4 # 各目标模型的额外提醒，只在 --target 指定时追加 TARGET_NOTES = { "nano-banana": "目标模型是 Nano Banana（Gemini 系）：自然语言长句友好，可以写成连贯段落而非关键词堆砌；" "参考图最多 14 张；分辨率走 imageSize 参数（1K/2K/4K），宽高比走 aspectRatio。", "gpt-image": "目标模型是 GPT-Image 系：指令遵循强、画面内文字渲染准确，可以放心指定要出现的文字内容；" "参考图最多 16 张；只有官转 gpt-image-2 支持蒙版局部重绘；分辨率走 size 参数。", "seedream": "目标模型是 Seedream：中文语境理解好；参考图最多 10 张（输入+输出不超过 15）；" "5.0 与 5.0-pro 可以在提示词里要求输出透明背景的 PNG。", "flux": "目标模型是 FLUX：偏好结构清晰的描述；FLUX.2 pro/max/flex 参考图最多 8 张，Kontext 只有 1 张。", "grok": "目标模型是 Grok Imagine：参考图只有走 /v1/images/edits 才生效，" "传给 /v1/images/generations 会被静默丢弃且照常计费；参考图最多 4 张。", } SCENE_NOTES = { "portrait": "这是人像。重点检查：是否指定了唯一主光的方向与软硬、焦段与光圈、是否要求了自然肤质" "（毛孔、绒毛、油光）、是否禁用了磨皮美颜、主体是否被挪出画面正中。", "product": "这是产品图/电商图。重点检查：背景是否被指定为中性可控、光位与补光是否写清、" "投影方向、是否明确禁止出现品牌名和文字（否则模型会自行编造）、是否留出放文案的空白。", "scene": "这是环境场景。重点检查：具体时间与天气、唯一主光来源、机位高度与焦段、" "是否加入了磨损与杂物等真实痕迹、画面里的人是否被要求不正对镜头。", "illustration": "这是插画/非写实。去 AI 味的那套写实手法要降权，改为检查：画风是否被具体指认" "（媒材、笔触、年代、参考流派）、配色方案、线条与上色方式、构图与留白。", } SYSTEM = """你是出图提示词诊断专家，服务于通过 API 直接调用图片模型的开发者和设计师。 API 调用是单次原子调用，提示词原样进模型，没有任何网页版那样的自动改写兜底，所以提示词质量直接决定成功率。 ## 诊断量表 先按「六要素」逐项判定 ok（写清楚了）/ weak（提到但含糊）/ missing（完全没写）： 1 subject 主体：材质、颜色、数量、状态是否具体 2 environment 环境：背景是什么、虚实关系 3 light 光线：光源方向、软硬、有无补光——必须存在一个可指认的主光 4 lens 镜头与视角：焦段、光圈、机位高度、俯仰角 5 tone 色调与介质：白平衡倾向、饱和度、胶片或数码质感 6 composition 构图：主体在画面什么位置、留白在哪 ## 必须报出的风险项 - 出现 8K / 超高清 / 超精细 / 杰作 / 大师作品 / 完美 这类空泛质量词：它们不提高分辨率， 反而把画面推向过锐过饱和的渲染感，是「AI 味」的主要来源，必须建议删除并换成具体的光、镜头、介质描述。 - 在提示词里写分辨率（4K/8K/高清）：无效。分辨率只由 size / imageSize 之类的参数决定。 - 一句话里塞了多个互不相关的编辑动作：单次成功率会显著下降，建议拆成多轮。 - 用「这个」「红框里的东西」等指代而不点名具体物体：编辑类任务最常见的失败原因。 - 没有声明画面内文字：模型可能自行编造品牌名或文案，商用场景等于废片。要么写清要出现什么字，要么明确禁止出现文字。 - 涉及真人、名人、受版权保护的角色、未成年人、暴力或成人内容：会被上游审核拦截，需要提示改写。 ## 优化原则 - 补齐缺失要素，不要靠堆砌形容词把提示词写长。 - 用户已经明确指定过的要素原样保留，不要擅自改写。 - 要写实质感就加具体的光位、焦段光圈、胶片或数码介质、以及主动添加的瑕疵（毛孔、碎发、磨损、水渍）， 不要用「真实感」「高级感」这类抽象词。 - 不要输出负面提示词语法（多数图片模型不支持独立的 negative prompt 字段），把「不要什么」直接写进正文。 - optimized_prompt 与 changes 必须与用户原提示词使用同一种语言，中文提示词就全中文，不要中英混写。 ## 输出 严格输出以下 JSON，不要加代码围栏，不要额外解释： { "score": 0-100 的整数，表示这条提示词单次出图的可用程度, "verdict": "一句话总评，不超过 40 字", "elements": {"subject":"ok|weak|missing","environment":"...","light":"...","lens":"...","tone":"...","composition":"..."}, "risks": ["每条一句话，说明问题和后果；没有风险则给空数组"], "optimized_prompt": "优化后的完整提示词正文，可直接复制使用", "changes": ["逐条说明改了什么、为什么"], "suggested_params": {"size":"1K|2K|4K","aspect":"如 1:1 / 16:9","note":"参数上的建议，没有则空字符串"} }""" REVIEW_EXTRA = """ ## 本次是出图后复诊 用户已经用下面这条提示词出了图，实际结果附在后面。请对照提示词逐条核对： 哪些要求落实了、哪些没落实、模型自作主张加了什么。 risks 里要明确写出「提示词的哪一句没有被执行」，optimized_prompt 要针对这些偏差重写， 而不是泛泛地补要素。""" def load_api_key(): """优先读环境变量；否则在脚本所在目录及其父目录找 .env。""" key = os.environ.get("APIYI_API_KEY") if key: return key here = os.path.dirname(os.path.abspath(__file__)) for d in (here, os.path.dirname(here)): env_path = os.path.join(d, ".env") if os.path.exists(env_path): with open(env_path, encoding="utf-8") as f: for line in f: line = line.strip() if line.startswith("APIYI_API_KEY") and "=" in line: return line.split("=", 1)[1].strip().strip('"').strip("'") return None def image_data_url(path): mime = "image/png" if path.lower().endswith(".png") else "image/jpeg" with open(path, "rb") as f: return f"data:{mime};base64," + base64.b64encode(f.read()).decode() def build_messages(prompt, images, target, scene): system = SYSTEM if images: system += REVIEW_EXTRA extras = [TARGET_NOTES[target]] if target else [] if scene and scene != "auto": extras.append(SCENE_NOTES[scene]) if extras: system += "\n\n## 本次的额外约束\n\n" + "\n".join("- " + e for e in extras) content = [{"type": "text", "text": "待诊断的提示词：\n\n" + prompt}] for path in images: content.append({"type": "image_url", "image_url": {"url": image_data_url(path)}}) return [{"role": "system", "content": system}, {"role": "user", "content": content}] def diagnose(api_key, model, messages): payload = json.dumps({ "model": model, "messages": messages, "response_format": {"type": "json_object"}, }).encode() req = urllib.request.Request( BASE_URL, data=payload, method="POST", headers={"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}, ) try: with urllib.request.urlopen(req, timeout=180) as r: resp = json.loads(r.read()) except urllib.error.HTTPError as e: raise RuntimeError(f"请求失败 HTTP {e.code}：{e.read().decode(errors='replace')[:500]}") text = resp["choices"][0]["message"]["content"].strip() if text.startswith("```"): # 防御：个别模型仍会套代码围栏 text = text.split("\n", 1)[1].rsplit("```", 1)[0] try: return json.loads(text) except json.JSONDecodeError: raise RuntimeError("模型未返回合法 JSON，原始输出：\n" + text[:800]) MARK = {"ok": "✅", "weak": "⚠️", "missing": "❌"} LABEL = {"subject": "主体", "environment": "环境", "light": "光线", "lens": "镜头", "tone": "色调", "composition": "构图"} def render(r): out = [f"【诊断】{r.get('score', '?')}/100 —— {r.get('verdict', '')}", ""] els = r.get("elements", {}) out.append("六要素：" + " ".join( f"{LABEL.get(k, k)}{MARK.get(v, '?')}" for k, v in els.items())) risks = r.get("risks") or [] if risks: out += ["", "风险项："] + [f" · {x}" for x in risks] else: out += ["", "风险项：无"] out += ["", "【优化后的提示词】", "", r.get("optimized_prompt", "")] changes = r.get("changes") or [] if changes: out += ["", "【改了什么】"] + [f" - {x}" for x in changes] p = r.get("suggested_params") or {} bits = [] if p.get("size"): bits.append(f"size={p['size']}") if p.get("aspect"): bits.append(f"aspect={p['aspect']}") line = " ".join(bits) if p.get("note"): line = (line + "；" if line else "") + p["note"] if line: out += ["", "【参数建议】" + line] return "\n".join(out) def main(): parser = argparse.ArgumentParser(description="出图提示词诊断与优化") parser.add_argument("prompt", help="待诊断的提示词") parser.add_argument("-i", "--image", action="append", default=[], help=f"实际出图的路径，可重复（最多 {MAX_IMAGES} 张）；传入即进入出图后复诊模式") parser.add_argument("-t", "--target", choices=sorted(TARGET_NOTES), help="目标图片模型，用于追加该系列特有的提醒") parser.add_argument("-s", "--scene", choices=["auto"] + sorted(SCENE_NOTES), default="auto", help="题材，默认 auto（不追加题材专项检查）") parser.add_argument("--model", default=os.environ.get("APIYI_TEXT_MODEL", DEFAULT_MODEL), help=f"诊断用的文本模型，默认 {DEFAULT_MODEL}") parser.add_argument("--json", action="store_true", help="输出原始 JSON，便于程序消费") args = parser.parse_args() api_key = load_api_key() if not api_key: sys.exit("未找到 API Key：请在技能目录的 .env 写一行 APIYI_API_KEY=sk-xxx，或设置同名环境变量") if len(args.image) > MAX_IMAGES: sys.exit(f"最多 {MAX_IMAGES} 张出图，收到 {len(args.image)} 张") for path in args.image: if not os.path.exists(path): sys.exit(f"图片不存在：{path}") messages = build_messages(args.prompt, args.image, args.target, args.scene) try: result = diagnose(api_key, args.model, messages) except RuntimeError as e: sys.exit(str(e)) print(json.dumps(result, ensure_ascii=False, indent=2) if args.json else render(result)) if __name__ == "__main__": main() ```` ## 怎么换诊断模型 默认用 `gpt-5.6-luna`——便宜（输入 \$0.2 / 输出 \$1.2 每百万 tokens）、支持图像输入，复诊模式要看图，正好够用。想换成别的模型有两种方式： ```bash theme={null} # 单次覆盖 ... prompt_doctor.py "提示词" --model gemini-3.5-flash # 改默认值：在 image-prompt-doctor/.env 里加一行 APIYI_TEXT_MODEL=gemini-3.5-flash ``` 换模型时注意两点：**复诊模式必须选支持图像输入的模型**（纯文本模型传图会报错），可选清单见 [视觉理解](/api-capabilities/vision-understanding)；另外脚本用了 `response_format: {"type": "json_object"}`，不支持该参数的模型可能返回带代码围栏的文本（脚本已做剥离兜底，但仍以支持 JSON 模式的模型为准）。 ## 为什么一句话就会自动诊断 很多人好奇：我又没敲命令，怎么说句「帮我画张图」它就先去审提示词了？ 原理是这样：Agent 启动时会**先读取每个技能 `SKILL.md` 里的 `description`**（一段很短的元数据，说明「这个技能做什么、什么时候该用」）。当你说出的需求**匹配上**这段描述的场景（比如「画一张……」「这图为什么不对」「优化下提示词」），Agent 就**自动决定调用这个技能**，去读完整的 `SKILL.md` 并运行脚本——整个过程你不用记任何命令。 SKILL.md 里还写明了「需求已经很具体时不必多此一举」，所以它不会对每条提示词都动手。想要**百分百可控**时，用下面的**显性调用**。 ## 怎么用 ### 自然语言（隐式触发） 装好后直接对 Agent 说话即可： | 你说 | 技能行为 | | ------------------------- | -------------------------- | | "帮我画张咖啡的产品图，好看一点" | 需求口语化 → 先诊断，报结果，确认后再出图 | | "这张图为什么不对？"（附上图） | 走复诊模式 `-i`，看图指出哪句没被执行 | | "优化一下这个提示词" | 只诊断不出图 | | "用 gpt-image-2 出图，帮我先审下词" | 带 `-t gpt-image`，追加该系列特有提醒 | | "不用诊断，直接出图" | 跳过本技能，直接调出图技能 | ### 显性调用（更可控） * **支持斜杠命令的 Agent**（如 Claude Code）： ```text theme={null} /image-prompt-doctor 一位女性在咖啡馆窗边微笑 -s portrait ``` * **任意 Agent / 直接命令它跑脚本**（最通用）： ```text theme={null} 运行 python3 image-prompt-doctor/scripts/prompt_doctor.py "一位女性在咖啡馆窗边微笑" -s portrait ``` ## 诊断结果在哪里 * 这个技能**不产出文件**，结果直接打印到终端，Agent 会把它转述给你——分数、六要素标记、风险项、优化后的提示词、改了什么、参数建议。 * 需要把结果接进自己的程序时加 `--json`，输出是一个结构化对象（`score` / `elements` / `risks` / `optimized_prompt` / `changes` / `suggested_params`），重定向落盘即可： ```bash theme={null} python3 image-prompt-doctor/scripts/prompt_doctor.py "提示词" --json > diagnosis.json ``` * **优化后的提示词需要你确认再用**：改写可能顺带改变原意（比如把「咖啡」定成了「拿铁」），SKILL.md 里已经要求 Agent 先问一句再出图。 * 复诊模式传的图**不会被修改或覆盖**，只作为只读输入。 ## 成本 一次诊断的开销是几千 tokens 级别，按 `gpt-5.6-luna` 的标价折算不到一分钱，而一次 `high` 画质的出图是它的几十倍以上。**先诊断再出图，省下的重试费用远超诊断本身。** 复诊模式要传图，图片按输入 token 计费，成本略高但仍远低于一次出图。 ## 相关文档 * [出图进阶：工作流编排与去 AI 味](/api-capabilities/image-advanced-workflow)（这个技能在整条流水线里的位置） * [如何生成满意的图片](/api-capabilities/image-generation-success-tips)（单次调用失败怎么救） * [Nano Banana Pro Agent 技能](/api-capabilities/nano-banana-image/skills)（配套出图技能，诊断完直接接上） * [GPT-Image-2 系列 Agent 技能](/api-capabilities/gpt-image-2/skills)（同上，GPT 线） * [GPT-5.6 Luna](/models/gpt-5-6-luna)（诊断默认使用的模型：规格、定价与端点支持）