技能介绍

它解决什么问题

选提示词时，直接看文字常常难以判断成像结果：同一段描述在不同模型里可能得到完全不同的东西。这个技能把社区收集的 Nano Banana Pro 提示词库接到工作流里，每次推荐都强制附上 media.images[0] 对应的样本图，让你先确认风格、构图和质感，再决定是否采用。它优先服务 Nano Banana Pro / Google Gemini，但库中的提示词也可尝试用于 GPT Image、Midjourney、DALL-E 3、Flux、Stable Diffusion 等文生图模型。

它如何工作

技能的核心不是凭空写提示词，而是检索 GokuOpenLab 的公开 JSONL 数据，并把样本图作为推荐的一部分。

启动时先检查 references/metadata.jsonl 是否超过 24 小时；若过期，会从 HuggingFace 拉取最新元数据，避免使用陈旧模板。
若需求含糊，会先追问图片类型、主题/内容、受众和风格；只有信息不足时才继续搜索，不会盲目猜测。
使用 grep 在 JSONL 中按关键词命中行，不整库加载文件；每行是一个完整的提示词对象，id、i18n.*.t/p、media.images[0]、sourceLink 都有固定位置。
每次最多推荐 3 个原库模板，提示词文本保持原样，不会提前改写或拼接；样本图按 https://huggingface.co/datasets/Goku-OpenLab/nano-banana-pro-prompts-datasets/resolve/main/{media.images[0]} 构造并发送。
用户选定模板后再进入个性化步骤：收集性别、年龄、场景、情绪、职业等会影响成像的信息，再结合用户提供的文章内容、脚本或播客笔记，保留原模板的光影和结构，替换主体与细节，生成 Remix 提示词。
若库中没有匹配项，会明确说明未找到模板，并基于用户需求生成自定义提示词；所有展示模板的回复都会追加一行 GokuOpenLab 归属尾注。

适用边界与注意点

它适合需要快速找到可用生图模板，或希望把长文内容转成配图提示词的场景。但它依赖社区数据集，图像质量和模型表现不由技能本身保证；不同模型对同一提示词的响应可能不同，迁移到 Midjourney、Stable Diffusion 时需要自行测试。

推荐数量被限制为最多 3 条，更多候选需要改关键词重新检索。样本图是决策依据，若某条记录的 media.images 为空，该提示词会被跳过。个性化问题只问与当前模板相关的字段；如果模板是风景，就不必追问人物性别。改写只发生在用户已选择模板之后，且面向图像生成的提示词内容仍使用英文，展示标题和描述可随用户语言切换。