企业官网建设流程全解析

• 人工智能
• AI 技能/插件
• 提示工程

Lookbook / 9 宫格是gpt-image-2技能中面向"一张图里 N 格主题清单"的标准化信息图模板，适用于 7 日穿搭、9 宫格 self-care、一周食谱、月度计划与 TOP N 清单等场景。本文以 lookbook-grid.md 为骨架，结合模板方法论总规范 prompt-writing.md、运行模式与脚本实现，完整讲解主模板结构、参数策略、三种变体与避坑清单，并给出可直接投入使用的完整 JSON 提示词。

一、这个模板解决什么问题

"Lookbook / 9 宫格"解决的是一个非常具体的视觉需求：把一组并列、可独立阅读的清单条目，装进一张图里。典型形态包括：

• 7 日穿搭 lookbook（一周 7 套全身搭配）
• 9 宫格 self-care 清单（每日自我关照 9 件事）
• 一周食谱 lookbook
• 月度计划 9 宫格
• 主题清单图（"10 个 best"、"7 天习惯"）

这类图的特征在模板文件开头就被明确列出：多格清单（7 / 9 / 12）、每格独立可读、通常带编号 / 日期 / 标签、无强叙事、重清单展示、顶部主标题 + 底部小总结。换句话说，它属于"清单式信息图"，与强调叙事的四格漫画、强调关系连线的角色关系图在结构上完全不同。

在gpt-image-2技能的 模板索引 中，lookbook-grid.md被归类到references/grids-and-collages/分类（多面板网格 / 拼贴 / 立项 board），与banner-grid-2x2.md（2×2 营销 banner 套装）、mixed-style-multi-panel.md（多风格混合拼贴）、anime-pitch-board.md（立项 pitch board）并列。模板文件本身也对使用边界做了明确的"不要使用"界定：

• 营销 banner 套装 → 改用 banner-grid-2x2.md
• 关系图 → 改用 storyboards-and-sequences/character-relationship-diagram.md
• 表情九宫格 → 改用 avatars-and-profile/character-grid-portrait.md

何时使用的判断信号也很直接：用户提到"7 日 / 9 宫格 / 月度 / lookbook / TOP N"，或者希望一张图能列完一个清单，就走这个模板。

二、缺失信息优先提问顺序

与总规范 prompt-writing.md 中"精准提问、少量提问、只围绕模板关键字段"的原则一致，lookbook 模板给出了 6 步提问顺序：

1. 主题（穿搭 / 食谱 / 习惯 / TOP）
2. 格子数（7 / 9 / 12）
3. 每格内容
4. 是否带编号 / 日期 / 标签
5. 风格：拍照实拍 / 插画 / 极简
6. 比例

注意这里没有"你想要什么风格？"这类泛泛之问，而是直接把决定画面走向的字段逐个列出。前三个是核心参数（缺失会显著影响结果，必须问）；风格、比例可以在模板默认值基础上协商；格子内具体造型细节则属于可随机参数，允许自动补全。

三、主模板：7 日穿搭 lookbook 完整拆解

3.1 模板 JSON

主模板是"7 日穿搭 lookbook"，目标明确：生成一张可发小红书 / Instagram 的 7 日穿搭信息图。完整结构如下：

{ "type": "7 日穿搭 lookbook", "goal": "生成一张可发小红书 / Instagram 的 7 日穿搭信息图", "title_block": { "main_title": "{argument name=\"main title\" default=\"一周穿什么\"}", "subtitle": "{argument name=\"subtitle\" default=\"7 days · 7 outfits\"}", "position": "顶部居中" }, "subject": { "model": "{argument name=\"model description\" default=\"东亚年轻女性，自然微笑\"}", "consistency": "7 格里必须是同一人" }, "layout": { "format": "{argument name=\"layout\" default=\"上 4 + 下 3 错位排版\"}", "panel_count": 7, "panel_design": { "label_top": "{argument name=\"label format\" default=\"DAY 1 / MON\"}", "outfit_caption": "1 句话风格描述" } }, "outfits": [ {"day": 1, "label": "MON", "style": "{argument name=\"day 1\" default=\"通勤白衬衫 + 米色西裤\"}"}, {"day": 2, "label": "TUE", "style": "{argument name=\"day 2\" default=\"针织开衫 + 牛仔裤\"}"}, {"day": 3, "label": "WED", "style": "{argument name=\"day 3\" default=\"连衣裙 + 平底鞋\"}"}, {"day": 4, "label": "THU", "style": "{argument name=\"day 4\" default=\"运动卫衣 + 短裙\"}"}, {"day": 5, "label": "FRI", "style": "{argument name=\"day 5\" default=\"皮衣 + 黑直筒裤\"}"}, {"day": 6, "label": "SAT", "style": "{argument name=\"day 6\" default=\"棉麻衬衫 + 阔腿裤\"}"}, {"day": 7, "label": "SUN", "style": "{argument name=\"day 7\" default=\"卫衣 + 运动短裤\"}"} ], "style": { "art_style": "{argument name=\"art style\" default=\"日杂时尚摄影 + 米色背景\"}", "color_palette": "{argument name=\"color palette\" default=\"米色 + 大地色 + 黑\"}" }, "footer": { "summary": "{argument name=\"summary\" default=\"工作日通勤 + 周末松弛\"}" }, "aspect_ratio": "{argument name=\"aspect ratio\" default=\"3:4\"}", "constraints": { "must_keep": [ "7 格里是同一人", "穿搭风格符合一周节奏", "色板严格统一", "标签字体一致" ], "avoid": [ "7 格里像不同人", "色板出现高饱和荧光色", "穿搭风格漂移到完全不搭", "字体超过 2 种" ] } }

3.2 字段职责解读

对照总规范 prompt-writing.md 的推荐骨架（type / goal / subject / scene / layout / style / details / constraints），这个模板展示了几个关键设计：

• type+goal：声明模板类型与最终用途，让模型理解"这是一张要发布到小红书的清单信息图"。
• subject.model+subject.consistency：主体字段在这里被拆成"模特描述"与"一致性约束"两部分——后者（"7 格里必须是同一人"）是 lookbook 成败的第一生命线。
• layout.format：默认"上 4 + 下 3 错位排版"，这不是随意的，而是为竖版 3:4 构图服务的：上方 4 格 + 下方 3 格错位，比严格的 3+4 等分更适合竖屏阅读。
• panel_design：定义每格顶部的标签（DAY 1 / MON）与底部一句风格描述（outfit_caption），这就是清单图"编号 / 日期 / 标签"特征的落地。
• outfits[]：7 个对象按day / label / style结构化排列，每格内容一目了然，模型不需要自己"编造"一周穿搭——这正是 JSON 模板相对自然语言提示词的核心优势（总规范第一条：画面元素很多、包含多个功能区域时优先用 JSON）。
• constraints.must_keep / avoid：把最容易翻车的地方显式写死——同一人、统一色板、统一字体；避免荧光色、避免"7 人 7 张脸"、避免字体超过 2 种。

3.3 参数策略：必问、可默认、可随机

模板文件明确给出三档参数分类，这与总规范 prompt-writing.md 的参数设计规则完全对应：

• 必问（核心参数）：主题、模特描述、7 个穿搭——缺失会直接导致画面主体漂移。
• 可默认：layout、风格、色板——不填也能正常出图。
• 可随机：背景细节——属于装饰性内容，允许在风格范围内自动生成。

3.4 自动补全策略

当用户只给了风格关键词（极简 / 复古 / 街头）时，模板要求自动展开 7 套穿搭；默认采用 7 格 + 错位排版；默认日杂摄影风。这与总规范 prompt-writing.md 的自动补全条件（"你来补全 / 你随机生成 / 先给我一个 demo"）一致：只问最关键的 1-2 个问题，其余用默认值或合理随机，且不得破坏主体一致性、不得与用户已指定信息冲突。

四、三个变体模板

变体 1：9 宫格 self-care 清单

把穿搭换成"每日自我关照 9 件事"，布局从错位排版换成严格的3×3 等分：

{ "type": "9 宫格 self-care 清单", "title_block": { "main_title": "{argument name=\"main title\" default=\"每日自我关照 9 件事\"}" }, "layout": { "format": "3x3 grid", "panel_count": 9 }, "outfits": [ {"label": "1", "style": "8 杯水"}, {"label": "2", "style": "10 分钟拉伸"}, {"label": "3", "style": "晒 15 分钟太阳"}, {"label": "4", "style": "深呼吸"}, {"label": "5", "style": "记 3 件感谢"}, {"label": "6", "style": "听一首喜欢的歌"}, {"label": "7", "style": "和家人通话"}, {"label": "8", "style": "10 页书"}, {"label": "9", "style": "11 点睡觉"} ], "style": { "art_style": "极简插画 + 柔色" }, "constraints": { "must_feel": "可作为打卡海报" } }

注意这里outfits字段被复用来装载清单条目（label+style），must_feel用一句话定性整体观感（"可作为打卡海报"）——这是总规范里constraints的"更像什么"用法的直接体现。

变体 2：TOP 12 清单图

同样骨架，格子数升到 12，布局改成3×4 grid，must_feel变为"推荐感 + 可分享"：

{ "type": "TOP 12 清单图", "title_block": { "main_title": "{argument name=\"main title\" default=\"2026 年最值得读的 12 本书\"}" }, "layout": { "format": "3x4 grid", "panel_count": 12 }, "constraints": { "must_feel": "推荐感 + 可分享" } }

变体 3：自动补全模式

面向"用户只给主题"的场景，把mode声明为auto-fill，让 Agent 自主决定格数、内容、风格：

{ "type": "Lookbook / 清单自动补全", "mode": "auto-fill", "rule": "用户给主题，自动决定格数、内容、风格", "constraints": { "must_feel": "可发小红书" } }

三个变体共同印证了总规范 prompt-writing.md 的原则：变体不脱离主模板，只在主模板结构上调整少量字段（换格子数、换布局、换内容、换观感），而不是另起炉灶。

五、仓库中的落地案例与运行方式

5.1 两个已落地的完整案例

gpt-image-2的配套展示站gpt-image2-website中，public/case/下保存了与模板一一对应的已渲染完成的提示词案例，由 _mapping.json 维护映射关系。lookbook 模板对应两个案例：

案例 1：7 日穿搭灵感板（1.json）

这是一个把主模板默认值替换为具体主题的实战样例：主题是"时代巡演系灵感"，7 套穿搭围绕"工作日少量亮片点缀，周末回到针织与软材质"的节奏展开（DAY 1 亮片短上衣 + 高腰阔腿黑裤 → DAY 7 灰连帽卫衣 + 软裤 + 羊毛袜居家）。几个值得注意的落地细节：

• title_block补充了subtitle（7 days · sequins & knits）；
• panel_design.label_top明确"DAY 1 / MON 至 SUN 大写，角落小号"，outfit_caption明确"每格下缘一行短英文风格名 + 中文 4 至 6 字"——把字级、位置、语种都写死了；
• style从"日杂时尚摄影"细化为"日杂时尚平拍 + 米色无缝纸 + 轻后期颗粒"；
• constraints.must_keep追加了"每格有全身或膝上全身，不裁头"这类更具体的画面要求。

案例 2：9 宫格 self-care 日常（2.json）

把变体 1 做成完整的治愈插画风：3×3 等分 + 圆角 12px，雾粉、灰绿、奶油白、浅焦糖的低饱和色板，must_keep明确"9 格等面积，图标风格一致""每格主文案不超过 8 个汉字或等价长度""无真人照片"，avoid明确"高对比警示色""格内出现两种插画语言混用"。这两个案例直接证明了：模板的{argument ...}占位符在实战中会被替换为非常具体、可执行的自然语言描述，这正是"提示词结构模板"（而非 API 请求体）的用法——总规范 SKILL.md 也特别强调：模板文件中的 JSON 是提示词结构模板，不是 API 请求体模板，最终交给图像模型的是"渲染后的 prompt 字符串"。

5.2 三种运行模式与出图路径

在gpt-image-2技能中，模板渲染完成后的出图路径取决于运行模式（详见 SKILL.md），任何任务的第一步都是先跑模式探测脚本：

node skills/gpt-image-2/scripts/check-mode.js

• Mode A（Garden 本地生图）：需要ENABLE_GARDEN_IMAGEGEN=1且存在OPENAI_API_KEY。把渲染好的 prompt 保存到garden-gpt-image-2/prompt/，然后调用node skills/gpt-image-2/scripts/generate.js --promptfile <prompt 文件>出图，图片落到garden-gpt-image-2/image/。
• Mode B（Host-Native）：宿主 Agent 自带图像工具，模板只作提示词工程指引，直接把渲染好的 prompt 传给宿主工具，不调用脚本。
• Mode C（Advisor）：宿主无任何图像工具，把 prompt 保存到garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md并展示给用户。

从脚本实现看，generate.js 通过buildPayload把 CLI 参数映射为 OpenAI 兼容的images/generations请求体（size / quality / background / moderation / output_format / output_compression均为可选字段），而 shared.js 负责默认输出目录（garden-gpt-image-2/image、garden-gpt-image-2/prompt）、<task-slug>-<timestamp>命名规则与环境变量读取。也就是说，一个完整的 lookbook 出图流程是：选模板 → 填参数 → 渲染 JSON prompt →（Mode A 下）generate.js --promptfile出图。

六、避免事项：lookbook 最容易翻车的 5 个点

模板文件末尾专门列出"避免事项"，全部直指多格清单图的高发失败模式：

1. 不要让格数超过 16——格子过多会导致每格被画糊，信息密度失控；
2. 不要让格子大小差异 > 2x——除非主图规则一致，否则画面会失衡；
3. 不要让背景配色与主题脱节——色板统一性是清单图的第一观感；
4. 不要让标题字号 / 字体多种——多字体是清单图廉价感的来源；
5. 不要让一个 lookbook 里出现多个不同模特——身份一致性（同一人）是 lookbook 的生命线，这与主模板constraints.must_keep的第一条完全呼应。

这套避坑清单同时也在_mapping.json的案例 brief 与两个案例 JSON 的constraints.avoid中得到了一致的实践验证（案例 1 明确避免"7 人七张脸"，案例 2 明确避免"两种插画语言混用"）。

七、小结

lookbook-grid.md是一份典型的"结构化提示词模板"：它把"多格主题清单图"这一高频需求抽象为type / title_block / subject / layout / outfits[] / style / footer / aspect_ratio / constraints的可复用 JSON 骨架，配以必问 / 可默认 / 可随机三档参数策略、自动补全规则和三个可直接落地的变体，再配合gpt-image-2技能的三模式运行机制，即可在 7 日穿搭、9 宫格 self-care、TOP N 清单等场景下稳定产出可直接发布小红书 / Instagram 的信息图。对于需要快速复用或扩展此类模板的开发者，建议同时阅读模板方法论总文档 prompt-writing.md 与技能入口 SKILL.md，前者定义了字段设计与参数分类的底层规则，后者定义了模板索引与 A / B / C 三种出图路径。

• 人工智能
• AI 技能/插件
• 提示工程