garden-skills 的 gpt-image-2 漫画跨页模板实战：用结构化 JSON 生成单页多分镜 / 跨页 spread 漫画
garden-skills 的 gpt-image-2 漫画跨页模板实战：用结构化 JSON 生成单页多分镜 / 跨页 spread 漫画
导读
本文面向使用 garden-skills 仓库中 gpt-image-2 技能生成漫画类图像的开发者与创作者，系统讲解「漫画跨页 / 多分镜页」模板的完整用法。你将从 manga-spread-page.md 出发，掌握单页 5-7 格不规则分镜、左右跨页 spread、彩色商业页、自动补全模式的提示词写法，并结合 SKILL.md 的三模式运行机制与 generate.js 的命令行参数，理解一套 JSON 模板如何真正落到一次可复现的图像生成中。读完后，你可以直接照模板产出"漫画书质感"的分镜页，也能按仓库案例自行扩展变体。
模板定位：什么场景该用漫画跨页模板
manga-spread-page.md 用于"一页内多个不规则分镜叙事"的漫画视觉，覆盖以下场景：
- 单页 5-7 个分镜的漫画
- 跨页 spread（左右两页连贯）
- 心理 / 悬疑 / 战斗 / 日常多分镜
- 同人漫画 / 商业漫画
- 故事板 storyboard
它的核心特征决定了它与简单的 4 格段子截然不同：
- 不规则格子：大格、小格交错，形成阅读节奏
- 大格 + 小格组合：避免全页等大导致节奏单调
- 有阅读顺序：通常右上 → 左下
- 含对话框 + 心声 + 旁白：三层文字层级
- 风格更"漫画书"：不是 4 格段子
何时使用 / 何时不要使用
当用户提到"漫画分镜 / spread / 多格漫画 / 故事板"，或希望叙事更复杂、节奏更动感、要"漫画书"质感时使用本模板。
不要使用本模板的相邻场景，仓库通过模板互斥关系明确定界：
- 4 格段子 → 使用 four-panel-comic.md（等大 2×2 或 1×4，起承转合，对话 ≤12 字/格）
- 单图 KV → 使用 anime-key-visual.md
- 角色设定稿 → 使用 character-sheet.md
缺失信息优先提问顺序
模板在设计时就把"缺什么先问什么"写死了，对话中按以下顺序收集信息，避免漫无目的地发问：
- 故事概要 / 这一页要讲什么
- 分镜数量（5-9 格）
- 主角描述
- 风格：日漫 / 韩漫 / 美漫 / 同人
- 阅读方向（日式右往左 / 美式左往右）
- 是否含色彩或纯黑白
这一顺序与 prompt-writing.md 的字段设计规则一脉相承：主体来源优先、图像用途其次、核心对象与主题再次，最后才是可默认的风格类字段。
主模板：单页多分镜漫画
主模板面向"整体一页漫画，包含 5-7 个不规则分镜，按阅读顺序展开一段叙事"。以下 JSON 是仓库中可直接复制的完整模板，{argument ...} 为可替换参数槽，default 为可直接工作的默认值：
{
"type": "单页多分镜漫画",
"goal": "生成一张完整的单页漫画，含多个分镜，叙事节奏紧凑",
"story": {
"summary": "{argument name=\"story summary\" default=\"主角接到神秘电话，决定独自前往\"}",
"main_character": "{argument name=\"main character\" default=\"年轻女性侦探，短发，黑色风衣\"}",
"supporting": "{argument name=\"supporting\" default=\"无\"}"
},
"style": {
"art_style": "{argument name=\"art style\" default=\"日式黑白漫画 + 网点 + 强阴影\"}",
"tone": "{argument name=\"tone\" default=\"悬疑 + 紧张\"}",
"color": "{argument name=\"color\" default=\"黑白 + 灰阶\"}"
},
"page_layout": {
"panel_count": "{argument name=\"panel count\" default=\"6\"}",
"reading_direction": "{argument name=\"reading direction\" default=\"日式：从右到左、从上到下\"}",
"panels": [
{
"id": 1,
"size": "大格 跨上半部分",
"scene": "{argument name=\"panel 1\" default=\"主角侧脸特写，电话靠耳边\"}",
"text": "{argument name=\"text 1\" default=\"旁白：那通电话，改变了一切\"}"
},
{
"id": 2,
"size": "中格 右下",
"scene": "{argument name=\"panel 2\" default=\"特写电话听筒里的杂音\"}",
"text": "{argument name=\"text 2\" default=\"对方：今晚十点，老地方\"}"
},
{
"id": 3,
"size": "小格 左下",
"scene": "{argument name=\"panel 3\" default=\"主角眼神特写，瞳孔放大\"}",
"text": "{argument name=\"text 3\" default=\"心声：又是他\"}"
},
{
"id": 4,
"size": "中格 右",
"scene": "{argument name=\"panel 4\" default=\"主角穿上风衣的动作分镜\"}",
"text": ""
},
{
"id": 5,
"size": "中格 中",
"scene": "{argument name=\"panel 5\" default=\"主角推开门，雨夜街道\"}",
"text": ""
},
{
"id": 6,
"size": "大格 跨下半部分",
"scene": "{argument name=\"panel 6\" default=\"主角背影远去，路灯昏黄\"}",
"text": "{argument name=\"text 6\" default=\"旁白：这是赴约，还是赴死\"}"
}
]
},
"dialogue_design": {
"balloon_style": "白底 + 黑描边 + 尖角指向",
"narration_box": "矩形 + 灰底 + 黑边",
"thought_balloon": "云形 + 虚线尾巴",
"font_style": "无衬线漫画体"
},
"aspect_ratio": "{argument name=\"aspect ratio\" default=\"3:4\"}",
"constraints": {
"must_keep": [
"分镜大小有节奏（大 + 小 + 大）",
"阅读顺序清晰",
"主角在多格中保持一致",
"对话框不挡关键人物动作"
],
"avoid": [
"分镜全部一样大（节奏单调）",
"阅读顺序混乱",
"主角形象漂移",
"色调突变（黑白页里突然有彩色）"
]
}
}
模板字段解读
type+goal：定义模板类型与最终用途，是 prompt-writing.md 规定的 JSON 骨架（type / goal / subject / scene / layout / style / details / constraints）在漫画场景下的具体化。story：summary 提供一句话故事，main_character 是跨格一致性的锚点——主角描述越具体（发型、服装、道具），模型越不容易在不同分镜里"画成另一个人"。page_layout：panel_count 控制格数，reading_direction 决定分镜排布逻辑，panels数组严格按id顺序给出每格的size（大/中/小 + 版面位置）、scene（画面内容）与text（对话 / 心声 / 旁白）。text为空字符串表示该格无文字，靠纯画面叙事。dialogue_design：独立定义对话框（白底黑描边尖角）、旁白框（矩形灰底黑边）、心声气泡（云形虚线尾巴）与字体（无衬线漫画体）——这是"漫画书质感"区别于普通插画的关键字段。constraints.must_keep / avoid：把最容易翻车的点写成显式约束交给图像模型。
参数策略
模板明确规定了三类参数的对待方式：
- 必问：故事概要、分镜数、主角
- 可默认：风格、阅读方向、对话框样式
- 可随机：背景细节
自动补全策略
- 用户只给故事时：自动决定 5-7 格分镜节奏
- 默认日式黑白漫画 + 网点
- 默认日式阅读方向
这套策略与 prompt-writing.md 的"核心参数优先提问 / 可默认参数用默认值 / 可随机参数合理生成"三级分类完全一致：缺失信息只影响结果走向时才问，否则尽量自己补全。
仓库案例佐证：单页模板的真实落盘形态
仓库的案例库中保留了两份该模板的已渲染结果，可以直接对照理解"模板 → 成品"的映射关系：
1.json 是"跨页 spread 漫画"的完整渲染：8 个分镜、横向 spread、左右两页连贯，panels 数组把每个分镜的 size 明确标注到"右页大格 占上半 / 左页上中格 / 左页下左大格"这种版面级粒度，reading_direction 写成"日式：从右到左、从上到下，跨页先右页后左页"，并且 constraints.must_keep 里显式写了"跨页中轴线不切脸不切剑刃主干"。
2.json 则是"单页多分镜漫画"的 6 格校园题材渲染，size 字段出现"大格 右上到跨中 / 小格 中左 / 大格 最下全宽"等不规则排版，text 字段混合了对话（"你刚才举手机了？"）、心声（"不对，他在狡辩！"）与旁白（"风太大，人也会想太多。"）三种层级。
这两份 JSON 证实：模板中的 {argument ...} 槽位在真实使用中会被具体故事内容替换，而 page_layout、dialogue_design、constraints 等结构字段会原样保留、精确约束出图。
变体 1：跨页 spread（左右两页）
适用于"左右两页连贯"的横向大图，模板为：
{
"type": "跨页 spread 漫画",
"page_layout": {
"panel_count": "8-12（左右两页加起来）",
"format": "横向 spread，画面分左右两页"
},
"aspect_ratio": "16:11",
"constraints": {
"must_feel": "左右两页连贯，中央 gutter 不要切到关键元素"
}
}
关键约束是中央 gutter（装订线）安全区：跨页时关键元素（主角面部、剑刃主干等）不得落在中轴线上，否则装订后会断裂。案例 1.json 中"跨页中轴线不切脸不切剑刃主干"正是这条约束的具体执行。
变体 2：彩色商业漫画页
适用于可作商业连载的彩色页，模板为：
{
"type": "彩色商业漫画页",
"style": {
"color": "全彩 + 平涂 + 数字漫画质感",
"art_style": "美漫 / 韩漫 风"
},
"constraints": {
"must_feel": "可作为商业漫画连载页"
}
}
注意主模板默认是黑白 + 网点，此变体显式切换到"全彩平涂 + 数字漫画质感"，并在 constraints 中以"可作为商业漫画连载页"作为成稿标准。
变体 3：自动补全模式
当用户只给一段故事、要求直接出成品时使用：
{
"type": "漫画跨页自动补全",
"mode": "auto-fill",
"rule": "用户给一段故事，自动切分镜、排版、对话",
"constraints": {
"must_feel": "出版社编辑可直接放入排版"
}
}
此模式下 mode: "auto-fill" 告知模型自行完成分镜切分、版面排版与对话撰写，成稿标准是"出版社编辑可直接放入排版"。
把渲染好的模板跑成图：gpt-image-2 的三模式机制
模板文件中的 JSON 是提示词结构模板，不是 API 请求体。最终交给图像模型的是"渲染后的 prompt 字符串"——可以是拍平的 JSON，也可以是结构化自然语言段落（SKILL.md 明确要求按模板原样使用）。
根据 SKILL.md，任何任务的第一步都是运行模式探测脚本：
node skills/gpt-image-2/scripts/check-mode.js
# 想拿结构化结果给上层程序用：
node skills/gpt-image-2/scripts/check-mode.js --json
脚本逻辑见 check-mode.js：当 ENABLE_GARDEN_IMAGEGEN 为真（1 / true / yes / on / y）且存在 OPENAI_API_KEY 时为 Mode A；开了开关但缺 key 时为 A?（提示先要 key 或降级）；未启用则进入 B-or-C（宿主有图像工具走 B，否则走 C）。三个模式的出图路径差异如下：
| 条件 | 模式 | 调用脚本？ | 落盘 prompt？ | 落盘图片？ |
|---|---|---|---|---|
ENABLE_GARDEN_IMAGEGEN=1 + 有 KEY |
A | ✅ generate.js / edit.js |
✅ 自动 | ✅ 自动 |
ENABLE_GARDEN_IMAGEGEN=1 但没 KEY |
A? | ❌（先要 KEY） | — | — |
| 未启用 + 宿主有图像工具 | B | ❌（用宿主工具） | 可选 | 由宿主决定 |
| 未启用 + 宿主无图像工具 | C | ❌ | ✅ 必须 | ❌（无法） |
环境变量按 CLI 参数 → process.env → <cwd>/.env → <cwd>/.gateway.env → ~/.gateway.env 顺序读取（实现见 shared.js 的 loadAmbientEnv）：
| 变量 | 必需性 | 说明 |
|---|---|---|
ENABLE_GARDEN_IMAGEGEN |
Mode A 必需 | 模式开关：1 / true / yes / on 启用 Mode A |
OPENAI_API_KEY |
Mode A 必需 | 真正调图像 API 用 |
OPENAI_BASE_URL |
可选 | 默认 https://api.openai.com/v1，可指向任意 OpenAI 兼容网关 |
OPENAI_IMAGE_MODEL |
可选 | 默认 gpt-image-2，也可换成 gpt-image-1 / dall-e-3 等 |
Mode A 命令行实操（以漫画跨页为例）
在 Mode A 下，把上面渲染好的 JSON prompt 保存为文件后直接生图：
node skills/gpt-image-2/scripts/generate.js \
--promptfile garden-gpt-image-2/prompt/manga-spread-20260424-153045.md \
--size 1024x1536 \
--quality high
generate.js 支持的完整 CLI 参数：
--prompt <text>：直接传 prompt 文本--promptfile <path>：从文件读 prompt--prompt-output <path>：把最终 prompt 另存到指定文件--image <path>：输出图片路径（默认garden-gpt-image-2/image/<slug>-<timestamp>.png）--model <name>：模型覆盖（默认gpt-image-2）--size <WxH>：输出尺寸--n <count>：生成张数--quality <level>：auto/high/medium/low--background <mode>：transparent/opaque/auto--moderation <level>：low/auto--output-format <format>：png/jpeg/webp--output-compression <0-100>：jpeg / webp 压缩比--json：结构化输出-h, --help：帮助
脚本内部流程（generate.js 的 run()）：加载环境变量 → 读取 prompt（readPromptInput）→ 生成语义化文件名（slugify，取 prompt 前 8 个词转小写连字符、截断 48 字符）→ 保存 prompt 到 garden-gpt-image-2/prompt/ → 构造 payload 调 POST {base}/images/generations → 解析 data[0].b64_json（兼容 data[0].url 下载）→ 落盘 PNG 到 garden-gpt-image-2/image/。
Mode B / C：无 CLI 入口的用法
- Mode B：渲染好最终 prompt → 调用宿主自带的
image_generation类工具（参数中传入 prompt）→ 拿图。 - Mode C：渲染好最终 prompt → 保存到
garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md→ 把内容直接展示给用户，提示可在 ChatGPT / Midjourney / DALL·E / Sora / Nano Banana / 第三方 GPT Image 2 网关中复用。
命名规则统一为 garden-gpt-image-2/prompt/<task-slug>-<timestamp>.md 与 garden-gpt-image-2/image/<task-slug>-<timestamp>.png，其中 <timestamp> 是 YYYYMMDD-HHMMSS（由 makeTimestamp() 生成，见 shared.js）。
避免事项：漫画分镜最容易翻车的地方
模板把高失败率场景全部写成了负面清单：
- 不要让分镜全部等大
- 不要让阅读顺序难以辨认
- 不要让对话框挡脸 / 挡动作
- 不要在黑白漫画页里突然出现强彩色
- 不要让主角形象在不同格里像不同人
- 跨页时不要让关键元素正好在中央装订线
对照案例 2.json 的 avoid 字段（"分镜全等大 / 全页无网点层次 / 阅读顺序难辨认"），可以看到负面约束在真实渲染中同样被严格执行。与 4 格模板（four-panel-comic.md）相比，本模板额外关注"大 + 小格节奏"与"跨页 gutter"，这是复杂叙事的特有风险点。
工作流小结：从故事到成图的一条龙路径
- 判定场景：确认是"单页多分镜 / 跨页 spread"而非 4 格段子或单图 KV。
- 按提问顺序收集信息：故事概要 → 分镜数 → 主角 → 风格 → 阅读方向 → 色彩。
- 套用主模板或变体：填充
{argument ...}槽位，缺失信息用默认值或自动补全。 - 跑
check-mode.js判定模式（check-mode.js）。 - 按模式出图：Mode A 调 generate.js 直接落盘；Mode B 交给宿主图像工具；Mode C 只产出并保存 prompt。
- 对照避免清单验收：分镜节奏、阅读顺序、主角一致性、对话框遮挡、色彩统一、跨页 gutter。
以上每一步都能在当前仓库中找到对应的模板文件、脚本实现与真实案例，可放心照此流程在生产中使用。