VigoZhao/AI-Visual-Prompt-Cookbook

Plug-and-play JSON style prompts for Nano Banana Pro, GPT Image & Midjourney. Copy one style.json, get a consistent look. New styles every week.

它是什么

AI Visual Prompt Cookbook 是一个由社区维护的 视觉风格提示词 库，用于文本到图像的生成。每种风格都位于自己的文件夹中，作为一个单一的 style.json 文件，包含：

带有 {SUBJECT} 或 {ASPECT_RATIO} 等占位符的 提示模板
定义哪些占位符是必需的 环境变量 列表
显示具体值的可选 示例案例
告诉模型保留或避免什么内容的“保真锚点”和 负面提示词

其理念是让复杂、可重复的视觉方向易于插入任何基于 LLM 的图像模型（如 ChatGPT-4-Vision、Gemini-3-Pro Image 等）。用户复制 JSON，填入自己的值，将整个内容粘贴到聊天中，模型就会返回一个完整的图像提示。

该仓库提供了 169 个现成风格（例如“Everyday Riso”、“Chromatic Gesture Characters”、“Velocity Type Sport”），并附有预览图像和简短的、可复制的提示词。风格按视觉主题分组（照片 + 涂鸦、Zine + 拼贴、字体海报、旅行、编辑、产品）。在线画廊和讨论空间让用户可以展示结果并请求新风格。

谁可能会使用它

受众	为什么有帮助
创意专业人士（平面设计师、艺术总监）	无需每次手工制作长文本提示，即可快速生成一致的情境板或情绪板。
提示工程师 / AI 艺术家	结构化的 JSON 格式使得跨项目的视觉系统版本控制、共享和迭代变得容易。
构建多模态管道的开发者	`style.json` 可以以编程方式加载，填充变量，并将最终提示发送到图像生成 API。
教育工作者 / 学生	提供了如何将视觉风格分解为可重用组件的具体示例。

如何开始（快速指南）

选择风格 – 浏览特色画廊或完整目录，打开其文件夹（例如 styles/mono-noir-type-portrait-poster-style/）。
复制 JSON – 获取 style.json（或 docs/copy-prompts/ 中的简短复制提示）。
提供值 – 要么编辑 examples[*].values 部分，要么为 environment_variables 下列出的变量提供您自己的值。
粘贴到多模态 LLM – 将整个 JSON 发送给 ChatGPT-4-Vision、Gemini-3-Pro Image 或任何接受长结构化提示的模型。
接收生成的图像 – 模型将解释填充后的模板，并输出与描述的视觉系统匹配的图像。

README 包含一个 完整示例，展示了模板、变量值、最终组装好的提示以及生成图像的预览。

仓库结构

AI-Visual-Prompt-Cookbook/
│
├─ styles/                     # 每种视觉风格一个文件夹
│   ├─ <style-slug>/
│   │   ├─ style.json          # 机器可读的提示定义
│   │   ├─ preview-16x9.jpg    # 横向示例
│   │   └─ preview-9x16.jpg    # 纵向示例
│   └─ …
│
├─ docs/
│   ├─ CATALOG.md             # 全部 169 个风格及描述
│   └─ copy-prompts/          # 人类可读、可直接粘贴的提示
│
├─ assets/                     # 主图、缩略图等
│
├─ scripts/validate-style-json.py   # 用于 JSON 模式的简单验证器
│
└─ README.md (本文件)

每个 style.json 遵循模式版本 2.2：

{
  "schema_version": "2.2",
  "prompt_template": "Create a {ASPECT_RATIO} …",
  "environment_variables": ["ASPECT_RATIO", "SUBJECT", "MAIN_TEXT", …],
  "examples": [{"case_name": "demo", "values": {"SUBJECT": "…"}}],
  "style_fidelity_anchors": "…",
  "negative_prompt": "no watermarks, no logos, …"
}

如何融入 AI 生态系统

提示工程 – 将通常非结构化的图像提示写作转变为可重复、可版本控制的数据格式。
多模态 LLM – 适用于任何能够接收长 JSON 字符串并生成图像的模型（OpenAI 的 GPT-4-Vision、Google Gemini-3-Pro Image 等）。
创意管道 – 可以通过脚本实现：程序读取风格，从数据库或 UI 填充变量，调用图像生成 API，并存储结果，从而实现风格化资产的批量生产。
开源社区 – 通过拉取请求添加新风格，仓库中包含验证脚本以保持 JSON 模式的一致性。

何时考虑替代方案

当您需要 像素级控制（例如自定义扩散微调）而不是提示级风格指导时。
当使用 非 LLM 图像生成器（例如没有语言模型的纯扩散管道）时。
如果您更喜欢 图形界面 来构建提示；此仓库以文本为中心。

总结

AI Visual Prompt Cookbook 是一个精选的 169 个基于 JSON 的视觉风格模板集合，用于文本到图像模型。复制 style.json，填写几个变量，粘贴到多模态 LLM 中，即可获得符合预定义视觉系统的、一致的高质量图像。非常适合设计师、提示工程师以及任何需要可重复、可共享图像生成提示的人。