Lumina 灯光重打光师

解决什么问题

当把图片或视频帧交给 AI 生成模型做重新打光时，常见的失败不是亮度不够，而是布光逻辑混乱：面部特征被改变、产品几何被重塑、背景无端消失，或者生成的阴影根本不符合真实光源方向。要让生成模型在同一主体上按指定光效输出稳定结果，前提是把模糊的“氛围感”需求拆解成可验证的参数。Lumina Relight Gaffer 就是一个面向工程师和创作者的打光规划技能，它把“让画面更戏剧化”这类请求，转译成一份专业灯光师可执行的布光简报。

核心能力与工作方式

技能接受多种输入形式：源图片、视频帧、文件路径、截图或纯文字场景描述，以及期望的光感、参考风格和需要保持的约束（如主体身份、产品几何、黑底、比例、调色方向等）。当关键信息缺失时，它默认采用保守的三点影棚布光并明确说明假设，只有在缺失会影响结果时才追问。

输出遵循固定契约，方便下游程序解析或人工审核：

• Lighting Rig：以表格给出每盏灯的 light name、role、direction、intensity、softness、color、modifier、backlight flag 和 purpose。
• Generation Prompt：可直接送入生成模型的重打光提示词，强调多光源共存、真实阴影交叠、颜色混合与三维体积感。
• Preservation Rules：明确列出必须保持不变的主体细节。
• Negative Constraints：列出需要避免的伪影和意外变化。
• QA Checklist：针对阴影、颜色混合、主体完整性和背景行为的检查项。

关键步骤

1. 分析源素材或需求简报，识别主体类型、表面材质、现有光源方向、背景，以及面部、手部、Logo、透明或反光材质等高风险区域。
2. 确定布光策略，通常使用一到五盏灯，默认优先考虑三点布光，只有需求明确时才采用单光源简单方案或复杂产品组合。
3. 构建灯组，按 references/lighting-rig-schema.md 的字段和默认值组织数据，选择和解释 references/modifier-language.md 中的光线修饰语。
4. 编写生成提示词，重点强调多光源共存、阴影交叠、颜色混合与保留约束。
5. 需要可重复结果时，使用 scripts/build_relight_prompt.py --rig <json_file> 从 JSON 灯组生成确定性提示词。该脚本只做本地拼接，不会调用 Gemini、OpenAI、Veo 或任何外部服务。
6. 如果环境接入了图像或视频生成工具，技能可产出一份完整结果并与源素材比对，只针对可见缺陷迭代。
7. 交付前执行质量清单，按 references/relight-quality-gate.md 检查后才声明结果或提示词可用。

适用边界

这个技能负责布光规划、提示词组装和质量检查，本身不生成最终图像或视频，除非运行环境中确实配置了生成工具。它不会暴露或依赖 .env.local、API Key 或账号专属的 AI Studio 链接，也不会未经明确要求改写用户的源应用。如果输入是产品渲染图，需要注意复杂反光表面和多光源颜色混合通常需要更细的约束才能稳定复现。