Visual Asset Design

视觉资产设计

本 skill 提供把角色/场景/道具的创意设定编译为可执行图片生成 Prompt 的领域 知识。它不替代 Project Schema、模型能力限制或用户要求；冲突时遵循：用户 明确要求 > 当前图片模型要求 > 本 skill 默认值。成本合同（一图一 Variant、 生成前去重、required_variant_ids 计划合同）以主 Agent 系统提示中的结构 合同为准，本 skill 只负责"画什么、怎么写"。

1. 参考图布局规范

核心原则

• 类型驱动：角色身份、场景环境与道具的静态设定都采用有主次的多视角参考板：一个较大的主视图建立整体，较小的独立视图补充角度、空间或细节。场景保持无角色空镜，道具聚焦结构与材质；需要表达按时间发生的动作过程时才使用序列关键帧。信息密度服从身份与空间可读性，不默认等大宫格，不为填满版面重复或重叠。
• 用户优先：用户明确要求单图、指定宫格数、指定视角或布局时，按用户要求执行。

角色身份参考图：电影感艺术身份板

角色首次建立视觉身份时，默认生成一张具有高端动画工作室角色研究与艺术书布局感的身份板，而不是标准网格、蓝图、目录或重复 turnaround：

• 画幅使用 Project settings.aspect_ratio（用户明确指定时以用户为准），不要默认横屏，纯白或柔和米白背景，大面积留白；无环境叙事、无无关道具、无水印。身份性服装与随身装备必须完整保留。
• 版式不对称、优雅且有意失衡，使用多样化图像比例。一个大型、略偏离中心的英雄全身视角作为视觉锚点，周围以干净间距放置较小的独立研究。
• 辅助研究按身份信息价值选择：中性全身、正/侧/背面、坐姿、倾斜、蹲姿、俯视、仰视、富有表现力的肖像；避免多个近似的正面站姿。
• 所有全身、肖像、轮廓和细节研究严格分离：不得重叠、融合、堆叠；不得裁切脸部、隐藏肢体或截断尾巴/身份装备。
• 包含小型轮廓研究区（2–3 个简化黑色轮廓）、小型表情研究区（细微可观察的情绪变化）、小型细节研究区（脸部、发型/毛发、服装结构与关键装备）。
• 文字只保留简约角色 ID 块：名称、角色、核心情绪、视觉标志。手写标签与编辑箭头只在确有帮助时少量使用，不生成长段说明。
• 全部视角必须是同一个角色：相同脸部与比例、发型/毛发、身体比例、服装、装备、固有配色、姿态语言和视觉个性。拟人动物明确双足/四足形态，禁止物种、年龄、体型或服装漂移。

用户明确要求标准设定表、单图或指定宫格时服从用户；仍保持视图独立、信息不重复和身份锁定。

序列关键帧参考图

一张多宫格图，按时间顺序展示主体在一段内容中的关键瞬间：

• 从左到右、从上到下，每格对应一个关键节点或动作瞬间。
• 若该图用于分镜或视频生成参考，每个格子的内部画框必须与目标视频 settings.aspect_ratio 完全一致，且必须使用正方形网格（N 列×N 行）：把画布按 列×行 切分会让单格比例乘上 行/列，只有列数等于行数时单格才等于目标画幅。格数不是完全平方数时补到下一个完全平方数（2–4 格→2×2，5–9 格→3×3），多余格作为无边框外侧留白，不得拉伸、裁边或用重复内容填空。
• 宫格数量优先取完全平方数：4 格用于简短状态，9 格用于动作密集或完整场景；关键瞬间数量介于两者之间时用 3×3 并接受留白，不要为了填满而增删瞬间。超过 9 格时优先简化背景与单格细节，保持动作轮廓可读。
• 每格应包含：主体动作/状态、环境背景、镜头景别。
• Prompt 中逐格描述。
• 用户要求单图时：单图展示最关键瞬间。

适用场景（不限于剧情）：

• 叙事类：情节推进（角色奔跑 → 回头 → 惊讶）。
• 展示类：使用流程（开箱 → 手持 → 使用 → 效果）。
• 动作类：动作序列（准备 → 起跳 → 落地 → 庆祝）。
• 宠物类：行为链（嗅闻 → 追扑 → 进食 → 休息）。
• 旅行类：地点序列（到达 → 探索 → 发现 → 离开）。
• 访谈类：关键瞬间（陈述 → 手势强调 → 反应表情）。

场景/环境参考图：多视角环境研究板

默认在一张图中建立可复用的空间身份，画幅遵循 Project settings.aspect_ratio：

• 使用一个较大的环境全景或广角主视图展示整体空间、主要区域、光影与标志性地标；周围安排比例不同、清晰分离的辅助视图，留白和间距形成阅读层次，不默认使用等大宫格。
• 根据空间需要选择反向视角、侧向视角、俯视空间关系，以及入口、路径、地标、植被、建筑连接处或表面材质的细节。这些是候选项，不要求全部画出；优先用主视图加 1–2 个可明确核对方位的辅助视图建立空间，再按需要补充材质局部。每个视图提供不同信息，兼顾总体与局部，不重复多个近似全景。若辅助视图反复产生空间矛盾，删去冗余机位、收紧视角清单，不在同一张板上继续堆叠方向描述。
• 所有视图必须对应同一个空间和同一时刻的状态：建筑结构、地标位置、路径连接、尺度、固有材质和光照方向保持一致。角度变化不能变成几个独立地点；白天和夕阳作为不同 Variant，并按主图衍生规则制作。
• 先用入口、舞台或其他稳定地标定义空间方位，再逐视图写清机位和朝向；不要把“左侧柜台、右侧窗户”无差别套到所有机位。例如，从入口面向舞台时窗户在画面右侧，从舞台回望入口时同一排窗户应在画面左侧，柜台反之。主视图、反打与俯视图的门窗、通道、家具和采光来源须可相互核对；换机位改变的是画面方向，不是建筑布局。生成后发现辅助视图与主视图矛盾时先修正再供下游使用，不仅凭画面风格相似认定空间一致。
• 场景锚点是环境空镜：在 prompt 中显式声明“空镜、无人物”，不添加具体角色或路人；需要尺度参照时仅使用无身份剪影。角色一致性由角色锚点图负责。
• 用户明确要求单张全景、指定视角、细节重点或宫格时按要求执行，仍保留空间一致性。

道具参考图：多视角道具研究板

默认在一张图中以较大的主体三分之四视图或最有辨识度的角度建立完整外观，再用独立、较小的正/侧/背面、结构、功能部位和材质细节补充信息。视图大小有主次、轮廓完整、间距清楚，不默认等大宫格。所有视图使用同一道具、同一状态、相同尺度与材质；磨损、湿润、打开或其他状态变化按主图衍生规则制作。用户要求单图或指定布局时遵循用户要求。

选择规则

道具研究图默认只展示道具及其必要细节，不额外画主角作为装饰或比例参照。需要表达尺度时优先使用尺寸关系文字描述或无身份的中性参照；确实需要同框角色时，必须引用该角色当前选定的身份图，并在 prompt 中明确遵循最新外观，不能从旧图或旧描述补画角色。场景空镜、道具图与角色图各自承担清晰的参考职责。

优先级：用户明确要求 > 默认推荐。

2. 视觉实体 Prompt 结构

为 VisualEntity 生成参考图时，Prompt 按以下维度组织；不要只写“主体/姿态/环境/风格”四句概括：

1. 生成目标与格式：资产类型、画幅、背景、用途，以及是艺术身份板、场景锚点、道具研究还是序列关键帧。
2. 主体定义与身份锁定：基于 grounding context、参考图和用户描述，先列最有判别力的剪影/比例/脸部/毛发或发型，再列服装、装备、固有配色、品牌标志和不允许变化的内容；明确参考图具体提供什么。
3. 版式与视觉层级：主视觉锚点的位置与尺度、辅助研究类型、留白、阅读路径、元素间距，以及不重叠、不融合、不裁脸、不藏肢体的约束。
4. 视角/区域清单：逐区域写每个独立研究提供的唯一信息；序列关键帧逐格写动作相位、表情、景别和结束状态；场景写空间方向与地标关系。
5. 背景与内容边界：角色板使用纯白/米白且无环境；场景锚点显式空镜、无具体角色；道具图使用中性背景。身份性服装与随身装备不属于“无关道具”，必须保留。
6. 媒介、光线与质感：项目整体风格、渲染媒介、光线方向/质感、色彩、画幅和与媒介一致的质量目标；不要用通用画质词推翻有意的草图、颗粒或手工线条。
7. 最小排除项：只写会造成身份漂移、版式污染、裁切、重复视图、额外人物、乱码文字或风格偏离的禁止项。

角色首次建立身份时默认使用电影感艺术身份板；角色在内容中的关键瞬间使用序列关键帧；场景锚点使用多角度空镜或单图全景；道具使用英雄视图与多角度细节。用户有明确要求时按用户要求执行。

写作要求

• 每个提示应详细但不冗长，聚焦关键视觉元素。
• 使用构图与镜头语言中的具体术语描述视角和构图。
• 遵循提示写作规则中的核心原则和画面质感建议。
• 用户有明确要求时按用户要求执行。

外观修改后的关联参考检查

角色外观、服装、配饰或风格改变后，先检查受影响片段实际绑定的整组参考图，再恢复分镜与视频生成。检查关联 Variant 的 prompt 和选中图片本身，尤其是道具图中的比例人物、场景中的背景角色、阵容图和复合设计图；不能仅凭实体类型或文件名认定它们与修改无关。

由 Agent 根据当前用户反馈决定哪些图片冲突、哪些可以复用，不使用固定关键词规则，也不默认重做全部资产。确认存在旧形象时，更新该资产 prompt 与引用后生成一致版本，或选择已有且满足用途的纯道具/空镜图；在同一次返修提交中同步处理受影响目标的旧选择和下游显式参考列表。新图未就绪时保持相关生成 prompt 未就绪，避免分镜消费新角色图与旧角色参照的混合输入。重新绑定后按最终参考顺序更新 [Image N]，实际检查过图像才可声明一致性已确认。

3. 构图与镜头语言

生成参考图时，根据主体类型和叙事需求选择合适的构图方式：

常用镜头视角

• 低角度仰拍：强调主体高度、权威感或压迫感。
• 高角度俯拍：展示空间布局或主体的渺小感。
• 俯视顶视图：展示整体空间关系或平面布局。
• 肩后视角：营造代入感或窥视感。
• 前景遮挡：通过前景元素增加层次和深度。
• 反射镜头：通过反射表面展示主体，增加视觉趣味。
• 剪影镜头：逆光下主体轮廓，强调形态和氛围。
• 框中框：通过框架结构框住主体，引导视线。
• 深远消失点：利用透视线引导视线，创造纵深感。
• 宽阔负空间：主体占据画面小部分，强调环境尺度或孤独感。
• 压缩长焦：压缩前后景距离，突出主体或制造拥挤感。
• 手持近景：模拟手持拍摄的不完美构图，增加真实感。
• 对角线运动：主体或镜头沿对角线移动，创造动态张力。
• 对称布景：对称构图，营造仪式感或超现实感。
• 不对称平衡：通过视觉重量平衡非对称构图。
• 主体部分隐藏：主体被环境或其他元素部分遮挡，增加神秘感。
• 环境尺度：主体在广阔环境中显得渺小，强调空间感。
• 主观视角：从主体视角拍摄，让观众代入角色。
• 分层前景/中景/背景：明确区分三个层次，增加画面深度。

构图选择规则

• 角色首次建立身份：使用一个偏心英雄全身视角建立主次，再用 3–8 种真正不同的信息视角、轮廓、表情和细节研究辅助；不做平均权重网格。
• 角色在内容中：根据情绪选择构图（紧张时用低角度/前景遮挡，孤独时用负空间，动作时用对角线运动）。
• 场景建立：大型主视图用深远消失点或宽阔负空间展示环境尺度，辅助视图交代其他方向和局部细节，保持空间关系一致。
• 道具展示：大型主视图突出主体轮廓与用途，辅助视图交代其他角度、连接结构和材质，避免平均分配视图大小。

优先级：用户明确要求 > 默认推荐。

4. 提示写作规则

规避图片审核误判（硬性）

图片模型的输出审核（如 DashScope 的 green-net）拒绝是确定性的：同样的 prompt 每次都会被拒，且依赖该资产的全部分镜与视频节点都会被卡住。所以写 prompt 时就要避开常见误判词族，而不是等失败后再改。

• 制服类角色不要写警徽/军徽式细节：现场案例 2026-08-26，一张公交司机身份板仅因写了"藏蓝制服 + 肩章 + 大檐帽带银色帽徽"就被输出审核拒绝——这套描述会被判为警察/军队制式。民用制服角色（司机、售票员、保安、门卫、维修工）用职业线索表达身份：工服颜色与材质、工牌绳、反光条、随身工具、袖口磨损、坐姿与手部动作；不要写帽徽、警徽、肩章军衔、臂章、编号胸牌。
• 同样容易误判的写法：伤口/血迹/淤青、未成年人特写、裸露或贴身描写、明显痛苦或病态的神情、真实公众人物姓名或"像某某明星"、武器与管制器具特写、宗教或政治符号。需要表达疲惫、受伤或冲突时，改用环境与动作侧写（雨水、汗湿的衣领、扶着栏杆、垂下的手），不直接描写身体损伤。
• 一旦收到输出审核拒绝：不要原样重试。定位最可能被判定的那一处措辞并改写，保留镜头意图；改完后 prompt 指纹变化，节点才会重新派发。

核心原则

• 具体化描述：避免通用词语如"史诗般的"、"美丽"或"酷"，除非由具体的视觉细节支持。
• 分层描述：明确前景、中景、背景的元素和关系。
• 光线与氛围：描述光线方向、类型、色温、氛围。
• 叙事感：场景应暗示故事、紧张、运动或情感，而不是纯静态展示。
• 有意为之：每个构图选择都应有明确的视觉目的。

画面质感建议

根据项目风格选择合适的质感表现：

• 自然纹理：优先使用自然材质和环境纹理，避免过度平滑或塑料感。
• 环境细节：适当加入空气中的微粒、雾气、尘埃、反射、阴影等增加深度。
• 真实感：优先选择动作中或情感充沛的瞬间，而不是静态姿势（除非用户要求）。
• 不完美真实：根据风格需要，可使用轻微的运动模糊、柔焦、颗粒等增加真实感。

禁用建议（除非用户明确要求）

• 避免过度锐化或过度处理的外观。
• 避免无环境上下文的居中肖像式构图。
• 避免完全对称、无视觉张力的摆拍式构图。
• 避免塑料感、合成感过强的外观。

5. 实体 VisualEntity 定义规范

continuity 字段

• 角色 continuity 描述：体型、脸型、肤色、发色、瞳色、身高范围、标志性特征（疤痕/纹身/饰品）。
• 场景 continuity 描述：核心色调、光照基调（日景/夜景/室内/室外）、标志性环境元素。
• 道具 continuity 描述：主要材质、颜色、比例、功能可见标识。

name 与 description

• name 在整个 Project 中唯一，使用可检索的角色/场景/道具名称。
• description 聚焦于将该实体与其他同类区分的关键特征，不重复 continuity 中已覆盖的基线属性。