Image Poster Skill

ユーザーが別途のバリエーション要求をしない限り、1ターンあたり1つの完成した画像アセットを生成します。画像生成には、構造化された厳密なプロンプトが有効です。ユーザーのブリーフからプロンプトを組み立て、これをディスパッチするのが当スキルの役割です。

リソースマップ

image-poster/
├── SKILL.md         ← 現在ご覧のファイル
└── example.html     ← Examples に表示される結果カードの見た目

ワークフロー

ステップ 0 — プロジェクトメタデータの確認

アクティブなプロジェクトは imageModel、imageAspect、および（オプション）imageStyle のノートを保持しています。これらを上流のモデル + キャンバス + スタイルアンカーとして使用します。(unknown — ask) とマークされている場合のみ、ユーザーに記入するよう要求してください。

ステップ 1 — プロンプトの構成

何かツールを呼び出す前に、以下の正確な順序で計画を立てます：

1. 被写体 + 構図 — フレーム内に何があるか、どこにあるか、どのスケールか；視線と切り抜き。
2. ライティング + 雰囲気 — 自然光 / スタジオライト / ムーディー；暖色 / 寒色；キーライト、リムライト、フィルライト；屋外の場合は時間帯。
3. パレット + テクスチャ — ユーザーがブランドパレットを提示した場合はHex値；それ以外は3語の雰囲気タグ（例：「muted ochre + ink」）。
4. カメラ / レンズ — ユーザーが写真的リアリズム（「85mm portrait, shallow DOF」）または特定のフィルムストックを望む場合のみ。
5. 避けるべき要素 — よくあるAIアーティファクト（「指が多すぎない、テキストが歪んでいない、ロゴプレースホルダーがない」）。

ステップ 2 — メディアコントラクト経由でのディスパッチ

統一されたディスパッチャーを使用します。上流プロバイダーAPIを直接呼び出さないでください。シェルツールから実行します：

node "$OD_BIN" media generate \
  --project "$OD_PROJECT_ID" \
  --surface image \
  --model "<imageModel from metadata>" \
  --aspect "<imageAspect from metadata>" \
  --output "<short-descriptive-name>.png" \
  --prompt "<the full assembled prompt from Step 1>"

このコマンドは1行のJSON {"file": {"name": "...", ...}} を出力します。デーモンはバイト列をプロジェクトフォルダに書き込み、FileViewerが自動的に検出します。

ステップ 3 — ハンドオフ

使用したプロンプトの1段落の要約と、ディスパッチャーが返したファイル名（例：I generated hero-poster.png with gpt-image-2 at 1:1.）で返信します。<artifact> タグは出力しないでください。

厳密なルール

• 別途のバリエーション要求がない限り、1ターンあたり1つの画像。
• imageAspect を正確に守ります。上流のコストは同じですが、アスペクト比を揃えるとリレンダリングを回避できます。
• ユーザーがフレーム内テキストを要求しない限り、画像内に詰め物用タイポグラフィを入れません。実際のコピーがlorem ipsumに勝ります。
• すべてのレンダリングを保存します。ファイルを生成せずに画像を説明することはありません。ユーザーはファイルビューアで何かを開くことを期待しています。