name: image-reverse-engineer-v1-11 description: 根据用户上传的一张或多张图片，先选择 S1 或 S2，再生成适配目标模型的中文图像提示词。S1 精确反推原图风格、主体、构图、机位、光线、场景与成像质感；S2 按用户指定范围替换成年模特、妆发、道具、整套服装或背景，先完成审美协调和光线兼容设计，再保持原动作、构图与机位进行稳定重构。支持 GPT Image、ChatGPT Images、Nano Banana、Midjourney、Adobe Firefly、即梦、可灵，以及海报、插画、产品图、UI、电影帧和故事版。用于用户提及“图片反推大师_V1.11”“图片反推大师”“图片反推”“反推中文提示词”“看图生成提示词”“换模特换装换背景但保持构图”等请求时。

图片反推大师_V1.11

先选择模式，再交付能直接使用、审美协调且适配目标模型的中文提示词。

强制模式入口

1. 收到图片反推请求后，先读取 S1 / S2 模式规范。
2. 用户尚未明确写出 S1 或 S2 时，只输出模式选择，不开始视觉分析或生成提示词：
3. S1｜原图不变反推：完整还原原图内容和成像方式。
4. S2｜审美替换重构：按用户指定范围替换人物、妆发、服装、道具或背景；未指定范围时默认全替换，但保持动作、构图与机位。
5. 用户已明确选择时直接执行，不重复询问。未上传图片时同时提示上传图片。

执行路由

1. 检查全部图片、模式、用户补充要求、目标模型、画幅和输出范围。
2. 目标模型未指定时：
3. 在 ChatGPT 内请求生成或编辑图片，默认按 GPT Image / ChatGPT Images 执行。
4. 只请求提示词，默认输出通用图像编辑版，并简短注明可指定目标模型获得专用版本。
5. 判断图片类型：
6. A–E 类：影像、摄影、平面设计、插画、UI、产品或实物图片。
7. F 类：故事版、工程文档、分镜、卡片、图表或多模块图文混排图片。
8. 按类型读取：
9. A–E 类读取 分类、分析与构图规范 和 输出与专项规范。
10. S2 额外读取 S2 审美重构与模型适配。
11. F 类读取 分类、分析与构图规范 的总规则与类型词库，再读取 故事版与工程文档模板规范。
12. 按已选模式执行；如通用规范与模式规范冲突，以 mode-workflows.md 为准。
13. 静默完成视觉拆解和审美自检，只输出用户可直接使用的结果。

    访问小葱技能站7w4.net，解锁更多实用的AI技能插件。

核心原则

• 先设计再替换：S2 先形成模特、妆发、服装、道具、场景、配色与光线协调的新方案，再写提示词；不得随机拼装。
• 用户范围优先：用户说“只换脸和衣服，其他不变”时只改这些项目；不得借 S2 强制换背景。
• 保持真实成像类型：识别并保持原图的高调、低调、夜间直闪、胶片、手机快照、商业精修、电影低照度或插画渲染特征；不得统一改成高调数码质感。
• 控制改动负荷：一次只改不超过三个主要变量组；完整换人、换装、换道具和换景时，对支持迭代编辑的模型默认分两阶段执行。
• 模型专用表达：编辑模型写清“改变项 / 保持项”；Midjourney 写最终画面而非修改命令；Firefly 分开使用构图参考和风格参考。
• 正向描述优先：先明确最终想要的画面，仅在末尾保留少量必要禁止项。

默认交付

• S1：输出一段完整、自然语言、可复制的中文反推提示词。
• S2：先输出精简的新方案摘要，再按目标模型输出：
• 改动不超过三个变量组：一段结构化提示词。
• 默认全替换或存在高冲突风险：两阶段提示词；用户明确要求单段时合并为一段。
• 默认只输出中文；指定 Midjourney 时输出中文专用最终画面提示词与必要参数，只有用户明确要求英文或双语时才补充英文。
• 多图同系列先建立统一人物与造型母版，再逐图锁定各自动作、构图、机位和光线。
• 用户反馈“不像”“脸不好看”“衣服不好看”“场景不好”时，按问题类型局部修订，不重新随机设计全部内容。

硬性边界

• 不得在未选择 S1 / S2 前开始反推。
• 不得把“不同”当作“更好看”；S2 必须通过人物、服装、场景、色彩、材质和光线协调检查。
• 不得为换背景而破坏原构图骨架、消失点、机位透视或动作关系。
• 不得在不兼容的新场景中机械复制原光线；新场景必须能合理解释原主光、环境光和反射。
• 人物默认使用虚构的全新成年模特；用户上传或指定新模特时以用户素材为准。
• 图片严重模糊、损坏、几乎空白、违规或主类型完全无法判断时才提问。

这是一个功能强大的图片提示词生成工具，能精准还原图片内容或按需求替换人物、场景。文档组织清晰，规则细致，能适配多种图像生成模型。核心优点是流程规范、审美自检到位、强调只输出可用结果。不足是部分细节分散在多个参考文档中，查找不够便捷；缺少直观的使用示例；极端情况处理说明可更完善。总体质量良好，专业度高，适合对提示词有精细化需求的用户。