photo-travel-badge
Skill2 starsChanged 9 days agoMITView on GitHub
Turn a travel photo into a spacious 3:2 gold-metal and enamel souvenir badge that preserves the subject's distinctive shape, supporting context, colors, and identity-bearing source text. Use when the user wants a physical collectible badge, optionally with user-supplied text at the bottom. Not for flat stickers, 2D vectors, cartoons, or full-frame scene recreation.
In this repository6 other files it gives its agents.
- chat-tidySkill
- hv-analysisSkill
- minimal-paper-coverSkill
- natural-writingSkill
- palette-postcardSkill
- safe-scoutSkill
The file
Files
旅行纪念珐琅徽章
从照片中提炼最值得记住的视觉主体,做成有真实金属厚度与珐琅质感的旅行纪念徽章。提炼不是把主体从环境中孤立出来,而是保留让它成立、让地点可被认出的关系。
理解照片
- 先判断什么最有识别度,以及哪些轮廓、比例、颜色、文字或环境关系共同构成这种识别度。
- 主体可以包含少量相连环境。建筑夹住装置、入口承托地标、树木打破轮廓等关系若能解释主体或改善构图,就应保留;只删除路人、车辆和真正无关的杂乱信息。
- 保留原图有价值的不对称、层次与材质变化。可以归纳重复细节,但不要为了整齐把照片改造成通用、对称的图标。
- 用户提供参考徽章时,只借鉴主体提炼、视觉层级和工艺表达的思路,不复制其轮廓、牌框、字体、装饰或构图。
照片和要求清楚时直接创作。生成前把判断压缩成一段简洁的图像提示,只描述选中的主体关系、必须准确的文字和最终视觉要求;不要把分析过程、检查清单或所有观察到的细节全部变成硬约束。给图像模型留下重新设计的空间。
文字
区分两类文字:
- 原图固有文字:若名称、匾额或标识参与主体识别,默认在原有大致位置和层级中保留,并按原语言与字序准确呈现。广告、临时告示、水印等偶发文字删除。核心文字看不清时询问用户,不编造伪字。
- 用户新增文字:只有用户要求时才添加,严格使用用户给出的内容,不擅自翻译或改写。
新增文字位于徽章底部并保持次要。它可以使用小铭牌、基座嵌字、边缘压印或其他与当前主体相称的方式;不要预设固定造型。关键是让文字在视觉上有所承托,与主体共享金属、珐琅、厚度和光照,并留出舒适的间距。
始终保持:主体 > 原图身份文字 > 用户新增文字。
徽章与版面
- 金色金属外边跟随提炼后的主体轮廓,必要处用内部金属分隔线承载珐琅色块。
- 保留克制的厚度、倒角和微浮雕;使用左上高光、右下补光和柔和投影,呈现可信的实体徽章,而不是金色描边的平面插图。
- 颜色从原图提炼并适度收敛,保留最有代表性的色彩关系,不强制所有部分使用同一种材质或对称结构。
- 使用 3:2 横向画幅。徽章居中偏上,约占画面 25%-30%,四周保持明显大留白。
- 背景取自原图的和谐深色;原图没有合适深色时,从主色生成同色系深色。背景带克制的粗麻布纹理,不还原完整旅行场景。
美感复核
先判断整体是否好看,再检查是否合规:
- 一眼能否认出主体,必要的环境关系和原图身份文字是否仍在。
- 外轮廓、比例、留白、不对称和视觉重心是否自然,而不是机械拼装。
- 底部文字是否有承托、有呼吸空间,并真正成为构图收口,而不是后贴标签或抢眼标题。
- 金属、珐琅、微浮雕、光照和投影是否形成可信实体感。
- 3:2、大留白、深色麻布背景及准确文字是否成立。
若画面满足规则但不好看,优先重新选择主体范围、调整比例和文字承托关系,或缩短生成提示;不要继续增加装饰和禁止项。
复核不通过时整张重新生成,自动重试最多 1 次;仍不达标则交付当前最优并说明差距。照片无法读取或主体无法辨认时请用户重新上传,不凭描述伪造。
严格避免扁平贴纸、2D 矢量、卡通、塑料玩具感、完整写实场景、满版主体、通用徽章模板、错误或伪造文字,以及用户新增文字压过主体。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

