照片风格化 Skills 是如何工作的：从风格预设到图像编辑工作流

把旅行照变成水彩画、把宠物照变成黏土角色、把家庭合影变成手绘动画，是图像生成应用中很直观的一类需求。最近，这些能力也出现在 Agent Skills 中：用户提供照片和风格要求，智能体就能选择工具、调用模型，并保存处理结果。

这类 Skill 的核心，是将照片编辑的操作经验写成可重复执行的工作流。 决定画面如何生成的是图像模型；Skill 负责组织输入、表达约束和安排执行步骤。同一个模型配上不同的 Skill，使用体验和结果稳定性可能相差很大。

本文依据 2026 年 9 月 15 日 可查阅的项目源码与官方文档，介绍几种代表性实现。项目选择以代码可核查、实现方式有代表性为依据；没有统一的安装量或使用量数据，因此不按“热门程度”排名。本文是实现机制解析，未对各模型进行照片效果横向实测。

Skill、工具与图像模型分别负责什么

Agent Skills 规范将一个 Skill 定义为包含 SKILL.md 的目录。文件头部的名称和描述帮助智能体识别适用任务，正文提供执行说明；脚本、参考资料和素材可以放在附属目录中，按需读取。Agent Skills 格式规范

在照片风格化任务中，可以把它们的职责分成三层：

安装 Skill 通常不会给本地安装一套新的图像模型权重，也不会自动训练一种新画风。它可以使用现有图像工具，也可以附带调用云端服务或本地推理服务的脚本。是否需要密钥、网络和 GPU，取决于执行工具连接的后端。

下面展示一个适合照片风格化的流程。其中结果检查和有限重试是本文的工程建议，具体项目未必全部实现。

三个可以从源码理解的实现

Nano Banana 类 Skill：脚本封装图像编辑接口

steipete/agent-scripts 中的 nano-banana-pro 提供了很直接的实现：SKILL.md 说明何时传入原图、怎样指定输出文件，以及如何进行草稿迭代；generate_image.py 承担实际请求。Skill 说明

它的编辑过程可以概括为三步：

1. 脚本打开 --input-image 指定的图片。
2. 将图片对象和编辑指令一起交给模型。
3. 从响应中提取图像数据，转换并保存为 PNG。

检查时，这个目录仍叫 nano-banana-pro，脚本却已调用 gemini-3.1-flash-image-preview。Skill 名称不能用来确认实际模型版本，需要查看请求中的模型标识。调用脚本

这也解释了为什么不能只把“照片里有一只橘猫”写进提示词：照片本身包含了毛色分布、姿势和背景关系。只有把原图真正传给支持图片输入的接口，编辑模型才有这些视觉依据。Gemini 官方指南提供了图片加文字的编辑，以及多图组合与风格迁移示例。Gemini 图像生成与编辑指南

风格迁移类 Skill：把画风整理为预设

Mikefluff/skills 的 style-transfer 展示了另一种组织方式：先接收现有图片，再选水彩、素描、水墨、漫画等预设，然后调用图像编辑后端。它将风格说明和服务说明放进独立参考文件。任务流程

预设的主要内容是文字。例如，水彩预设描述透明色层、笔触和纸张质感；素描预设描述石墨明暗与排线。智能体可以将这些描述与用户补充要求组合起来。预设也可能引用素材或专门的模型，但这个项目的风格目录主要展示了提示词组织方法。风格预设文件

这里需要区分“流程说明”与“已经验证的能力”。该 Skill 文档中的默认后端、价格和人物保持比例，不能直接视为当前服务保证。尤其是人物保持百分比，在所查文件中未附可复核的测试方法，本文不采用这些数值。

版本也会影响选型：这个示例仍以 FLUX.1 Kontext 为默认方向，而 Black Forest Labs 当前已将 Kontext 列入旧模型，并在其概览中建议新项目考虑 FLUX.2。旧 Skill 仍可用于理解架构，实际接入应核对服务方现行文档。Kontext 官方概览

baoyu-image-gen：统一参考图与多后端调用

baoyu-image-gen 是通用图像生成入口，具有参考图、提示词文件、输出比例和批处理等参数。它适合作为上层照片风格化流程的执行工具：上层负责准备风格要求，底层负责读取图片和调用选定服务。Skill 参数说明

它在人物保持方面的指导很具体：明确要求使用参考图中的同一个主体，避免用长篇通用外貌描述替代原图，也提醒生成图反复充当参考图可能造成偏移。这些是提示词与流程设计建议，效果仍需检查。

在其 Google 后端代码中，可以看到参考图读取、图像数据封装和请求构造。统一的命令行入口简化了调用，但不同模型对参考图的支持范围仍然不同；接口提供了 --ref，不代表每个后端都能执行相同的编辑任务。Google 后端实现

风格要求怎样变成有效的编辑指令

“做成水彩风格”给出了方向，但没有说明哪些内容可以变。对于照片，尤其是人物照片，风格化同时包含两个目标：改变表现手法，以及保留指定内容。

一个便于维护的风格描述，可以拆成四个部分。下表是本文设计示例：

组合后的指令可以写成：

将输入照片重新表现为温暖的水彩插画，使用轻薄色层、柔和边缘和细微纸张纹理。保留照片中的两个人、各自的五官比例、姿势、服装颜色与站位。保留背景建筑及原有画面裁切。背景细节可以适度简化，人物身份与构图的保持优先于夸张的风格效果。

这里的价值来自信息明确，并不取决于提示词长度。Black Forest Labs 的图像编辑指南也强调，在说明改动时交代需要保持的内容。Kontext 图像编辑指南

如果同时提供原照片和一张画风参考图，指令还需要明确各自角色：照片提供主体与构图，参考图提供笔触和色彩。否则模型可能把风格参考图中的人物、物体或场景也带入结果。多图输入的具体数量与处理方式应以所用模型为准。

一次照片处理可以怎样执行

下面以“把双人旅行照转成水彩插画”为例，给出一个完整工作流。这是根据前述实现整理的设计方案，并非任何单个项目的原样功能清单。

第一步：确认原图可以正确读取

执行工具先检查文件是否存在、能否解码、方向是否正确，以及尺寸是否满足模型要求。智能体在具备看图能力时，再确认人物数量、构图和需要保留的细节。

图片路径出现在文字提示词中，并不等于图片已上传。实现时需要明确区分“把路径写给模型”和“打开文件，将图像数据传给模型”。

第二步：记录保留项与风格描述

智能体将“水彩风”展开为媒介、颜色与笔触要求，同时记录两个人的站位、衣服颜色和背景建筑。用户要求“照片里还是同一个人”时，这应当成为明确的检查项。

对于含有文字、品牌标志或复杂饰品的图片，可以提前决定这些元素需要精确保留，还是允许绘画式简化。这样得到的验收条件更具体。

第三步：调用支持原图编辑的后端

执行工具提交原图、最终提示词和受支持的输出参数。普通照片风格化可以先生成小尺寸候选，确定方向后再制作最终版本。

需要注意，参数名不一定等于实际行为。前述 Nano Banana 脚本在 --resolution 为 1K 时，会根据输入图片尺寸重新选择输出分辨率。因此，对大图传入 1K 未必得到低分辨率草稿；采用这份脚本时需要检查这一分支，或在实现中区分“未指定”和“显式指定”。这是源码层面的行为，不是 Gemini 接口的通用规则。分辨率处理代码

第四步：同时检查风格与内容

检查应围绕用户要求展开：水彩质感是否明显、人数是否正确、脸部和手部是否出现异常、背景有没有新增物体、裁切是否改变。

部分 Skill 只负责保存文件，并没有自动看图验收。例如，前述 Nano Banana Skill 的输出说明要求报告路径，不读取生成图。因此，不能因为 Skill 写了“完成”，就推断结果已经通过视觉检查。需要自动验收的应用应额外实现看图步骤，也可以将候选图交给用户选择。

第五步：有限修改并保存执行记录

如果结果的问题是人物被改得过多，下一次应明确收紧人物变化范围。需要保持原始内容时，可以继续使用原图并修改指令；用户明确要求在某张生成结果上继续创作时，再把该结果作为编辑基础。

每次生成保存为新文件，并记录实际模型、提示词、输入标识、输出路径和重试次数。记录有助于定位差异，但不能保证云端模型每次逐像素复现相同结果。重试次数也应有上限，避免同一失败任务持续消耗调用额度。

如何把工作流组织为一个 Skill

按照 Agent Skills 的目录约定，可以采用下面的结构。它是用于说明分工的设计草图，不是可直接安装运行的完整软件包：

1
2
3
4
5
6
7

photo-stylizer/
  SKILL.md
  references/
    styles.md
    quality-checks.md
  scripts/
    edit-image.py

SKILL.md 中只需保留执行主线。例如，下面的文件片段描述了任务匹配与步骤；其中引用的脚本需要另行实现：

1
2
3
4
5
6
7
8
9
10
11
12
13

---
name: photo-stylizer
description: 将用户提供的照片处理为水彩、素描或黏土等风格，适用于需要保留主体和构图的图片编辑任务。
---

## 工作流程

1. 检查输入照片，记录主体数量、构图与用户要求保留的内容。
2. 从 references/styles.md 读取所需风格，合并用户补充要求。
3. 使用 scripts/edit-image.py 提交原图与编辑指令。
4. 按 references/quality-checks.md 检查结果；缺少看图能力时注明未检查。
5. 必要时修改指令，在预设次数内重试。
6. 保存新图片与执行记录，返回结果路径。

风格文件负责视觉表达，脚本负责文件与接口，检查文件负责验收条件。这样的分工便于单独调整画风，也便于更换服务方。

有现成工具时，Skill 也可以直接调用工具，省去自带脚本。Black Forest Labs 官方区分了两种入口：MCP 提供生成、编辑和变体等可调用工具；其 Agent Skills 提供提示词和 API 集成方面的知识。两者可以配合使用，Skill 不必承担图像传输的全部实现。BFL 的 MCP 与 Agent Skills 说明

如果已有本地 ComfyUI 工作流，同样可以让工具提交工作流并取回结果。ComfyUI 官方 Python SDK 支持加载工作流文件，连接自托管服务或云服务；这提供了一条可供 Skill 调用的执行路径。本文没有验证某个专门的 ComfyUI 照片风格化 Skill。ComfyUI Python SDK

判断一个照片风格化 Skill 是否适合使用

比较这类项目时，可以从下面几个实际问题入手：

照片含有人物时，还需要理解上传路径：使用云端后端意味着图片会提交给相应服务。工具应使用已配置的凭据，并避免把密钥写入提示词、输出文件或公开日志。

照片风格化 Skills 的共同思路，可以概括为：用可复用的说明组织任务，用明确的参考图和提示词约束变化，用图像工具执行，再根据具体要求检查结果。 风格预设降低了表达成本，执行脚本减少了操作步骤；人物是否仍然相似、画面是否满足预期，最终还需要通过实际输出判断。