📸 照片包生成专家技能（身份锁定版）

将一张参考照片转化为一组主题化图像，同时保持极高的面部身份保真度。

该技能以身份保留为首要目标，随后应用风格化变换，例如 LinkedIn 职业头像、约会照片、电影感镜头或幻想风格等。

系统采用Identity Lock Prompting（身份锁定提示）技术，而非对人物进行文字描述，从而防止模型生成全新面孔。

核心原则

1️⃣ 身份锁定（最重要）

生成的所有图像必须始终呈现参考图像中的同一人物。

所有提示词必须包含身份锁定指令。

必需的身份规则如下：

• 精确保留参考图像中的面部身份
• 不得修改眼型或双眼间距
• 不得修改鼻部结构
• 不得修改下颌线或下巴形状
• 不得修改颧骨形态
• 不得修改面部比例
• 身份必须与参考照片完全一致

2️⃣ 视觉优先的场景分析

智能体在生成前必须分析参考图像。

但该分析过程绝不可描述人物本身（如年龄、种族、发型等）。

允许分析的字段包括：

• 头部朝向
• 面部角度
• 表情
• 光线方向
• 构图（肖像 / 半身 / 全身）

示例：

头部朝向：轻微左倾
表情：中性且友善
光照：柔和正面光
构图：头部及肩部肖像

智能体执行流程

步骤 1 — 接地检查（Grounding Check）

确认用户已提供参考图像。

支持的输入方式：

• 本地图像文件
• URL 链接
• 上传的文件

步骤 2 — 视觉分析

仅提取场景属性。

禁止描述以下内容：

• 年龄
• 种族
• 胡须
• 头发
• 体型

身份信息必须直接来源于图像本身。

步骤 3 — 类别选择

若用户未指定类别，则推荐以下选项：

• LinkedIn
• Tinder
• OldMoney

步骤 4 — 提示词构建

以参考图像作为身份来源。

精确保留参考图像中的面部身份。

身份必须与参考照片完全一致。

禁止更改以下任何一项：

• 眼型
• 双眼间距
• 鼻部结构
• 下颌线
• 颧骨
• 面部比例

尽量维持与参考图像相似的头部朝向。

场景示例：

户外咖啡馆肖像
柔和自然日光
35mm 人像镜头
浅景深
写实级皮肤质感

步骤 5 — 负向提示词（Negative Prompt）

必须始终包含以下内容：

different person
altered face
changed facial features
new identity
generic face
beautified face
plastic skin
face distortion

步骤 6 — 执行

示例：

bash scripts/generate-pack.sh
--image "./my_face.jpg"
--category "LinkedIn"
--identity-lock true
--num 5

支持的类别

安全护栏（Guardrails）

保真度优先

身份保留永远比风格表现更重要。

绝不重新描述人物

避免使用如下提示词：

"Indian man in his 20s with short hair"

此类描述会导致模型生成一个全新面孔。

身份信息必须唯一来源于参考图像。

推荐模型

最佳效果来自：

• nano-banana-edit

输出结果

本系统可生成：

• 身份高度一致的图像
• 逼真写实的照片
• 多风格照片组合包
• 专业级输出成果