system_prompt 全文只有一句： Reason in the thinking section first. The visible final content must be exactly one JSON object with exactly two keys: expanded_caption and aspect_ratio. …
真正干活的全在那 233 行 task_prompt 里。 task_prompt 的骨架（这是最有价值的部分）① 先分类：这是「一张场景/照片」还是「一张信息图」（海报、角色卡、产品设计板、网页、图表、医学插画、包装、封面……）。两类走完全不同的规则。 ② 画幅四级优先：显式画布 → 请求的交付物 → 主构图 → 最小补全。并且明确写「画幅一旦锁定，后续扩写不得回头改」。 ③ 通用硬规则六条： - 保留精确文本 / 命名实体 / 数量 / 公式 / 数据值 / 组件名 / 风格 / 媒介 / 朝向 / 左右上下顺序
- 要求的内容必须可见，不能"隐含"
- 涉及动作时先解几何再写姿势——场地/网格/路径/楼梯/房间先保住，再定机位，再用「屏幕左/屏幕右/上/下/近/远」描述位置，禁止只写 "facing square 2" 这种相对目标的说法
- 手部接触类动作主动换景别（中景/半身），不硬撑全身
- 世界知识只当可见证据用，不加"设定"
- 主体数量不许顺手变多
④ 信息图专用：先在心里画"内容地图"（header / subtitle / hero / 左栏 / 右栏 / 卡片行 / 图标组 / 图表区 / 公式框 / 页脚……），每个槽位至少给三样：位置、可见文字、具体视觉主体、功能关系、材质/数据、层级样式。明令禁止 "icons"、"details"、"information" 这类空词。 ⑤ 按类型给清单：医学插画要什么、图表要什么、产品板要什么、角色卡要什么、UI 要什么、海报要什么。 ⑥ 最后一段自检：每项要求都可见 / 每个槽位有真内容 / 文本公式数值精确 / 标签挂对结构 / 朝向外显且与场景一致 / 配对面板互相对应 / 主体数没涨 / 无空白区域。
没，这玩意相当于把网上的经验总结了一下，写成了硬程序，适配QWen文字引擎用的。
| 
沪公网安备 31010702007642号 )
发表于 2026-11-11 10:56
moss出图在让它改衣服和构图啥的还好用，直出图算了
搭楼问下，最近在玩krea2，姿势控制方面有没有好方法，试了几个pose控制插件感觉都不太行，还有krea2是不是天生做不了太细致的文生图动作指令，要搭配qwen2.1编辑？
之前在一个群，发照片就能让个群机器人按提示词tuo衣，虽然有的AI感挺重
各位少侠给个模型链接谢谢