ERNIE-Image 视觉提示词工匠（Visual Promptsmith）

使用本社区技能可构建 ERNIE-Image 提示词，并通过 AI Studio 的 ERNIE-Image-Turbo 接口生成图像。本技能非百度官方或 ERNIE-Image 官方软件。

确定运行模式

• 当用户明确要求“生成”“绘制”“创建”“制作”图像，或使用等效的中文图像生成表述时，立即执行图像生成。
• 当用户要求“优化”“重写”“改进”或“审查”提示词时，仅返回提示词层面的指导建议，不调用 API 生成图像。
• 仅在缺失确切可见的文本字符串、语言设定或所需宽高比，且自行猜测极可能导致结果失败时，向用户提出**唯一一个简洁明确的问题**。

API 接口地址

• 基础 URL：https://aistudio.baidu.com/llm/lmapi/v3
• 请求路径：POST /images/generations
• 完整 URL：https://aistudio.baidu.com/llm/lmapi/v3/images/generations
• 认证头信息：Authorization: bearer
• 平台标识头信息：X-Client-Platform: aistudio

API 密钥

• 必需环境变量：BAIDU_AISTUDIO_API_KEY
• 获取密钥地址：https://aistudio.baidu.com/account/accessToken
• 若密钥缺失，请勿调用 API；应明确告知用户需设置 BAIDU_AISTUDIO_API_KEY 环境变量。

触发条件

• 中文示例：ERNIE image: 、Wenxin image: 、generate image: ，或其他等效中文图像生成表述。
• 英文示例：ernie image: 、generate image: 、create image: 。
• 将冒号后的内容视为原始用户提示词，对其进行优化、选择预设（preset），再执行生成。
• 若用户请求优化、重写、改进或审查提示词，则仅返回提示词层面的指导建议，**不得调用 API**。

提示词构建流程

1. 识别图像风格类别：写实摄影（photorealistic）、动漫/漫画（anime/manga）、图中含文（text-in-image）、概念艺术（concept art）、抽象/艺术化（abstract/artistic）、构图/版式（layout/composition）、海报（poster）、电商（ecommerce）、信息图（infographic）、漫画/分镜（comic/storyboard）、UI 截图风格（UI screenshot style）、角色一致性视觉（character-consistent visual）。
2. 保留不可变约束：图中精确文本内容、语言、主体数量、人物身份、空间关系、尺寸、风格及禁止出现的元素。
3. 按五部分构建核心提示词：主体 → 动作/场景 → 风格 → 光照 → 画质。
4. 对于对版式敏感的请求，额外追加：构图 → 精确文本 → 空间定位。
5. 尽可能精简图中文字；将段落转化为标题、标签、徽章或编号条目。
6. 涉及文字渲染时，须将确切文字内容用英文双引号包裹，并明确指定其位置、字重、对齐方式、颜色、背景对比度及留白。
7. 从以下预设中选择一项：auto、text-poster、infographic、comic、product、ui、photo、concept、abstract。
8. 生成前，需明确声明如下信息：

Final Prompt: 
Preset: 
use_pe: 
Size: 
Reason: 

图像生成流程
使用内置 Python 脚本。优先使用 python3；Windows 系统下如遇问题，可改用 python 或 py。
python3 {baseDir}/scripts/generate.py --prompt "" --preset 

针对含精确文本、双语标签、UI 界面、流程图、标识牌、漫画或已高度细化的提示词，需添加 --no-use-pe 参数。
python3 {baseDir}/scripts/generate.py --prompt "" --preset text-poster --no-use-pe

脚本输出格式为：IMAGE_URL:（对应 URL 响应）或 MEDIA:（对应本地保存图像路径）。请将保存后的媒体文件绝对路径返回给用户。
若未配置 BAIDU_AISTUDIO_API_KEY，请提示用户前往 https://aistudio.baidu.com/account/accessToken 获取密钥，并完成 BAIDU_AISTUDIO_API_KEY 环境变量设置。
请求载荷（Submit Payload）
{
  "model": "ERNIE-Image-Turbo",
  "prompt": "",
  "n": 1,
  "response_format": "url",
  "size": "1024x1024",
  "seed": 42,
  "use_pe": true,
  "num_inference_steps": 8,
  "guidance_scale": 1.0
}

下载与输出

当 response_format=url 时，响应中 data[] 字段返回图像 URL；脚本打印 IMAGE_URL:。
脚本会立即下载每个 URL 并将图像保存至本地。
脚本打印 MEDIA: 以支持 OpenClaw/ClawHub 自动挂载。
URL 可能过期；但本地文件下载后长期有效。
输出文件名格式为：ernie-image--.。
切勿将用户可控的文件名直接传入 Shell 命令。

默认配置

模型：ERNIE-Image-Turbo
预设：auto
生成数量：1
响应格式：url
随机种子（seed）：42
text-poster、infographic、comic、product 和 ui 预设默认启用 use_pe=false。
photo、concept 和 abstract 预设默认启用 use_pe=true。

负向提示词规则（Negative Prompt Rules）

当用户需要图中呈现**可读文字**时，禁止添加 text、letters、typography、Chinese text 或 English text 等泛化负向词。
推荐使用精准否定描述：扭曲的文字、拼写错误、字母重复、排版不可读、布局变形、标题被裁切、对比度低、细节模糊、分镜不一致、图像伪影（artifacts）等。
本技能所对接的 API **未暴露独立的 negative prompt 字段**；所有排除项须以自然语言约束形式融入主提示词，例如：“avoid cluttered background” 或 “no visible watermark”。

重试策略

文字错误：减少图中可见文字量，仅对关键文本加引号一次，强化位置与对比度描述，并启用 --no-use-pe。
版式错误：简化画面对象数量，为各区域命名，使用 grid/split-screen/foreground/background 等术语描述空间结构，并保持相同 seed 值重试。
风格薄弱：补充相机/镜头参数、艺术流派、媒介类型、色温、材质纹理及光线方向等细节。
画面杂乱：移除次要元素，增加留白，加入 “avoid cluttered background” 类约束，并视情况切换为更简洁的 preset。

参考文档

参阅 references/api.md 查看参数说明、命令示例及接口映射关系。
参阅 references/prompt-architecture.md 查看 ERNIE-Image 提示词模板规范。
参阅 references/examples.md 查看符合验收标准的示例集。