1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | moss-image-prompt-enhancer-openmoss-moss-image |
| 作者/维护者 | OpenMOSS 团队(MOSS-Image 模型发布方) |
| 来源链接 | https://github.com/OpenMOSS/MOSS-Image/tree/main/skills/moss-image-prompt-enhancer |
| 许可证 | Apache-2.0(GitHub API) |
| GitHub Stars / Forks | 681 / 30(GitHub API;数字属整个 MOSS-Image 模型仓库,不代表该技能自身热度) |
| 最新版本 | 无 release;仓库 2026-10-16 创建并发布 |
| 安装方式 | 将 skills/moss-image-prompt-enhancer 目录复制进 agent 的 skills 目录 |
项目自述名称:MOSS-Image Prompt Enhancer。
2. 功能介绍与亮点
这是 MOSS-Image 文生图模型的官方提示词增强技能:把一句图像想法扩写成详细的画面描述(caption),或带坐标的空间布局(Layout),再用自带脚本编译成可直接粘贴进模型的提示词。它本身不生成图片。
- 两种交付物:普通场景用 caption;海报、多分栏、需要精确文字位置时用 Layout(逐元素的像素包围盒)。
- 坐标换算交给脚本:agent 只负责创意与像素坐标,
compile_prompt.py(仅标准库,146 行)负责取整、居中和序列化,并拒绝越界或非法字段,不会静默裁剪。 - 文字保真:要求画面文字逐字保留(含标点与换行),禁止用“标题放这里”之类占位符。
- 配套参考:
references/layout.md给出完整字段表与一个中文文案示例,并附构图检查清单。
3. 适用场景
所属分类:内容创作与知识管理。
适合已在使用或打算本地部署 MOSS-Image(Base/SFT,5B 参数)的用户:做带中英文文字的海报、信息图、产品宣传图,需要精确控制文字与物体位置时,让 agent 代为写提示词并保证坐标格式正确。不使用该模型的用户收益有限。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 标准 SKILL.md 与 YAML 头;脚本只依赖 python3 标准库;未做实机运行 |
| Codex | 原生支持 | 附 agents/openai.yaml,README 给出 $moss-image-prompt-enhancer 调用方式,SKILL.md 自述面向 GPT 系 agent |
| OpenClaw | 未验证 | 格式标准,未见官方说明 |
| Hermes Agent | 未验证 | 同上 |
5. 推荐理由
要让 MOSS-Image 发挥“版面可控、文字渲染强”的特点,提示词必须是特定的 Layout JSON 且坐标要做居中换算,手写极易出错。该技能把创意部分交给 agent、算术部分交给确定性脚本,并由模型发布方维护,格式与模型保持同步。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 模型发布团队官方出品;仓库 681 stars 属模型本体,技能自身暂无独立采用数据 |
| 可用性 | 6 | 文档与示例完整、脚本零依赖;但必须配合 MOSS-Image 模型(需 CUDA GPU 或在线 Demo)才有价值,且发布仅数天、无维护历史 |
| 安全性 | 9 | 见下方检查清单 |
综合 = 三项均值 ≈ 7.33。
安全检查清单:
- 执行 shell:仅让 agent 运行随附的
compile_prompt.py,只读写用户指定的 JSON/文本文件。通过。 - 联网外发:脚本仅导入 argparse/json/math/sys/pathlib,SKILL.md 明言不调用任何模型 API。通过。
- 凭据:不需要任何 API key。通过。
- 可疑指令:未发现 prompt injection 迹象,无推广或夹带内容。通过。
- 作者信誉:OpenMOSS 为 MOSS 系列开源模型团队,仓库含技术报告与多渠道社区。良好。
- License:Apache-2.0,明确。
- 维护:2026-10-16 发布,多位贡献者活跃;历史尚短,扣 1 分。
7. 跟同类 Skills 相比的优势
| 方案 | 定位 | 与本技能的差异 |
|---|---|---|
| 通用文生图提示词技能(面向 GPT Image、Nano Banana 等模型) | 提供提示词模板或灵感库 | 不针对 MOSS-Image 的 Layout 格式,也不含坐标编译 |
| 直接让 agent 手写 Layout JSON | 零安装 | 需模型自行算居中坐标,易越界或格式错误,且无校验 |
| 本技能 | MOSS-Image 专用 | 带校验的坐标编译器与字段白名单,与模型同团队维护;代价是只服务这一个模型 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。模型仓库的 issue 区有用户反馈 ComfyUI 与 Apple Silicon 推理问题,均与本技能无关。
10. 安装使用方式
git clone https://github.com/OpenMOSS/MOSS-Image.git
cp -R MOSS-Image/skills/moss-image-prompt-enhancer ~/.claude/skills/
使用:向 agent 描述图像想法、选择 caption 或 Layout 并给出画布尺寸(宽高须为 16 的倍数),把编译结果粘贴进 MOSS-Image 的正向提示词;Layout 须使用同样的生成尺寸。Codex 中可用 $moss-image-prompt-enhancer 调用。
11. 注意事项
- 技能不生成图片,需另行部署 MOSS-Image(Hugging Face / ModelScope 权重,5B DiT,需 GPU)或使用官方在线 Demo。
- SKILL.md 以 GPT 系 agent 为目标写成,在其他 agent 上的表现未经验证。
- 项目发布时间很短,接口与规范可能随模型迭代变化。