未来职业照

触发词

"未来职业照" "长大后我想成为" "学生照变职业照" "长大后的自己" "未来职业图鉴" "成长对比卡" "职业体验活动物料"。

这个 skill 干什么、不干什么

干：单张学生照 → 目标职业的成年形象照（保脸 + 年龄推进 + 职业化）；批量多职业；证件照规格；对比卡/九宫格成品图。

不干：

• 不做「同一张脸跨 9 个职业一次出图」——模型保不住跨 9 次的身份一致性，必须逐张生成（见流程第 ④ 步）。

• 不做换底抠图（会出白边）。底色在出图提示词里就定好，从源头干净。

• 不做政治人物、真人明星的形象合成。

• 不做任何用于身份冒用、伪造证件的用途（见「合规红线」）。

目录

hsf-future-career-photo/
├── SKILL.md
├── assets/careers.json              26 个职业配方 + 年龄档 + 画幅 + 学段映射
├── scripts/build_prompt.py          职业 + 年龄 + 画幅 → 完整提示词（可批量）
├── scripts/id_photo.py              证件照规格裁剪 + 5寸相纸拼版 + 底色检测
├── scripts/compose_growth_card.py   成长对比卡（3:4 / 16:9）+ 多职业九宫格
├── scripts/strip_ai_watermark.py    裁除底部 AI 水印
├── scripts/compare_variants.py      多变体并排对比图（视觉校验用）
├── scripts/selfcheck.py             自检：数据完整性 + 合规风险词 + CLI 边界 + 硬校验
└── examples/                        示例与实测记录

依赖：python -m pip install Pillow（脚本只用到 PIL，没别的依赖）。

改完任何东西先跑自检（零积分，能在出图前挡住配错职业/参数冲突/合规漏网）：

python scripts/selfcheck.py          # 全部：数据层 + 命令行层
python scripts/selfcheck.py --data   # 只查 careers.json
python scripts/selfcheck.py --cli    # 只查参数边界与硬校验
python scripts/selfcheck.py --data --file 旧版careers.json   # 对改动前后两个版本跑同一套检查做对比

✓ 通过 · ! 需人工判断（例如"某个职业的配方里有会招徽标的词"）· ✗ 必须修（别名撞车、硬校验漏网等）。有 ✗ 时退出码为 1。

七步流程

① 确认参数（先问清楚，别急着出图）

积分提醒：ImageGen 约 5-10 积分/张。必须先出 1 张样图给用户确认，再批量。 这是本 skill 最省钱的一条规矩。

② 素材体检

出图前先看原照片能不能用：

③ 生成提示词

cd ~/.workbuddy/skills/hsf-future-career-photo
python scripts/build_prompt.py --list                      # 看全部职业配方
python scripts/build_prompt.py -c 医生 -g 小学               # 小学学段 → 自动选「青年」档
python scripts/build_prompt.py -c 医生,老师,飞行员 -s 青年 --out prompts.txt
python scripts/build_prompt.py -c 白衣天使 -f id --id-bg blue # 别名匹配 + 证件照规格
python scripts/build_prompt.py -c 宇航员 --extra "戴一副细框眼镜，马尾辫" --json
python scripts/build_prompt.py -c 老师 --identity-mode loose --age 33           # 要成熟感 → 放开脸型
python scripts/build_prompt.py --prep --identity-mode loose --age 34 --gender 女 \
  --extra "只锁额头那颗痣，其余面部全放开" --out prompt_第一段.txt        # 两段式第一段

两段式怎么用（脸总是不够成熟时的推荐路径，见下方「关键认知」）：

# 第一段：出「成年版的同一个人」，不带职业、纯色背景。只锁「痣」，其余全放开。
python scripts/build_prompt.py --prep --identity-mode loose --age 34 \
  --extra "只锁额头那颗痣，其余面部全放开" --out p1.txt
# → 出图，确认是成年脸（不是童脸）。第一段过不了，后面换职业都白搭。
# 第二段：拿第一段的成年脸当 image1，只做「换装换场景」。
python scripts/build_prompt.py -c 警察 --stage2 --age 34 --out p2.txt

--stage2 的作用：把任务段换成「以这位成年人为原型换装」，身份段改为禁止画回童脸（男/女各有一套文案，按 --gender 分支）。第二段绝不能沿用第一段的「以这个孩子为原型」——那会让模型重新回溯童照，把童脸比例带回来。

⚠️ 眼镜别在第一段就锁成童款。如果原照戴正圆透明塑料框，第一段若写「保留原本那副眼镜」就会把儿童款原样放大；正确做法是第一段只锁痣，第二段统一把眼镜换成成人款（方圆细金属 / 深色板材 / 上框眉线框），见「眼镜的年龄语义」。

--identity-mode 是本 skill 第二个核心开关（另一个是 input_fidelity）：

strict 和"我要更成熟"是指令打架：提示词一边写"严格保留脸型轮廓"，一边写"脸要长开"，模型会优先执行前者 → 结果永远是童脸。要成熟，先切 loose。

提示词的固定段（写在脚本里，全局统一口径，改一次全网生效）：

④ 出图（逐张，先样后批）

调 ImageGen，参数这样给：

保脸调参决策树（本 skill 最容易翻车的地方）：

按「中 → 满意就停」起步，逐级调：

• 反向锁定五官（实测最有效，优先做这个）。模型的默认倾向是把人脸往"精修网红脸"推——垫高山根、加出双眼皮、削窄脸型。默认提示词里的「禁止换脸式美化」压不住它。有效的做法是在 --extra 里逐条点名不要改哪一处，例如：

   --extra "严格锁定以下面部特征，不得美化改动：保留原本较低的山根与圆润鼻头，
   不要垫高鼻子、不要缩小鼻翼；保留原本的内双眼型（无明显外露的双眼皮褶皱），
   不要添加双眼皮；保留原本圆润偏鹅蛋的脸型与脸颊饱满感，不要削尖下巴、
   不要拉长脸型、不要瘦脸。整体不要网红滤镜感、不要过度精修。"

先看原照，把最"有辨识度"的 2-3 处特征（鼻型、眼型、脸型、痣、牙、耳）逐条写死。实测：不锁 → 鼻子垫高、双眼皮出现、脸变窄；锁了之后脸型与鼻型明显回正。

• 提高 input_fidelity → 更像本人（年龄感变弱）

• 把正面特征写具体：从原照读出"脸型偏圆、眉眼细长、鼻头圆润"这类描述塞进 --extra

• 换模型：Nano Banana Pro / Seedream 4 / 即梦对「角色参考+保脸」更强，可作为备选通道

• 两段式：先生成"成年版本人"（不带职业设定），确认脸对了，再拿这张图二次图生图换职业装

• 以上都不行 → 回第②步，多半是原照片本身的问题

关键认知：像本人 ↔ 年龄感是真冲突，但 loose 模式能把它掰回来（实测结论）

孩子的"幼态"来源就是圆脸、饱满脸颊、低鼻梁——而这些恰恰是最重要的认人特征。锁死它们就等于锁死了年轻感，模型再怎么写"33 岁"也长不出来。

实测证据（同一张 ~10 岁学生照 → 老师，共 5 版）：

为什么 v4 失败而 v5 成功：v4 只是"把年龄数字写大"，其它段落还在要求保住脸型，等于让模型自相矛盾；v5 是逐条解除脸型/骨骼/体态锁定，并显式给出允许推进的清单（脸型拉长、下颌线、颧骨、眉骨、眼窝、婴儿肥消退、成年女性肩宽与上身厚度）。

loose 模式的代价必须提前跟用户讲清：脸型放开后，与原照的相似度会下降——原照是圆脸，成片是鹅蛋/长脸。这是要成熟感必须付的价。判断标准应从"脸型是否一样"改成"一眼能不能认出是同一个人"（痣、眼镜、眼型、唇形这些锚点还在就成立）。

三个零成本增熟手段（不动脸，纯改外部符号，建议在 loose 基础上叠加）：

「婴儿肥 / 幼态」的真凶排序（实测，按对年龄感的影响从大到小）

结论：只有「痣 + 眼镜」这两类是零年龄成本的锚点。 其余每锁一项，都是在往幼态拉。常见的错误做法是把「鼻型 + 眼型 + 脸型」一起锁——那套组合正好构成童脸的全部要素，结果一定是"像本尊的小孩版"。

眼镜的年龄语义（自我纠错 · 实测）

之前把「眼镜（框型与材质）」归为"零年龄成本锚点"，这个判断只对一半：

• 「戴眼镜」这件事本身 → 确实零年龄成本，是很好的认人锚点（尤其低龄童照里镜框很显眼）。

• 但「框型款式」是带年龄语义的，整款照搬童照会把脸往童/学生方向拉：

正确做法：锁「戴着眼镜」这个事实，同时把款式改成成人款——保留"有镜框、浅色/细框"的家族相似感，把正圆形改成方圆形、把粗透明塑料改成细金属或深色板材。这样认人线索还在，年龄感不再被往下拉。不要写「照原样保留那副眼镜」。

能并进后续步骤就别单独重跑：如果本来就要做第二段换装，把「眼镜换成人款」写进第二段的提示词即可，不必为眼镜单独重跑一次第一段。

所以「认人锚点」应该这样选：先挑对年龄零影响的（痣、疤、牙、戴眼镜这件事），不够再补影响小的，绝不为"更像"去锁脸颊、下巴、山根、眼位；带款式语义的东西（眼镜框型、发型）要保留"有它"、换掉"它的款式"。

「两段式」是绕开这个死结的最优路径（推荐优先试）：

• 第一段：只做「把这张童照变成成年版的同一个人」，不带职业、不带制服、不带场景。提示词专注年龄推进，确认产出是成年脸。

• 第二段：拿第一段的成年脸当 image1，只做「换装换场景」——此时模型不再回溯童照，也就不会把童脸比例一起带过来。

第一段的身份约束可以放得很松（只锁痣+眼镜），第二段基本不涉及年龄问题，所以两段各管一件事，比一段里同时要求"像 + 长大 + 换职业"要可靠得多。

一句话：成熟感靠造型和骨骼推进，不是靠皱纹；但脸型必须让路，否则永远童脸。

⚠️ 无锚点脸：先讲预期，再出图（实测结论）

出图前先扫一眼原照有没有锚点（痣、疤、牙套、眼镜、发型辨识度）。如果一样都没有——只有普通五官和骨骼——那么跨年龄推进时 identity 必然衰减，这是模型的固有特性，不是提示词能修好的。

实测（同一张男孩照，短寸头、无痣无眼镜）：

• 第一段 input_fidelity=medium → 明显换人

• 第一段 input_fidelity=high + 逐条锁五官 → 眉眼接近，但仍非严格同一人

话术要对：这种情况下诚实告诉用户结果只能到「神似 / 一看就是他家孩子」，做不到「一眼确定就是本人」。别等出了图再解释。 若必须做到严格同一人，只能换更强的引擎（Nano Banana Pro、Seedream 4、即梦）重跑第一段。

两段式的价值在这里更明显：衰减只发生在第一段（童→成），第二段（成→换装）identity 保持非常稳——实测成人版换消防员的成片，脸与第一段几乎完全一致。所以第一段值得多跑两版挑一张，后面所有职业都能复用这张脸。

⑤ 去水印

生图模型常在右下角烙「AI生成 WORKBUDDY」水印。成品任何位置不得出现平台/AI 标识。

python scripts/strip_ai_watermark.py 出图目录/                 # 整目录裁底部 7%
python scripts/strip_ai_watermark.py a.png --out 干净/          # 另存不覆盖（推荐）
python scripts/strip_ai_watermark.py 出图目录/ --dry           # 先预览改后尺寸

⑥ 逐张 QC（这一步不能省）

多版本迭代时先拼一张对比图再判断——单张看容易"越看越顺眼"，并排看差异才显：

python scripts/compare_variants.py 对比_原照_v3_v5.jpg \
  "原照=输入_头肩.jpg" "v3 偏嫩=净图/v3.png" "v5 放开脸型=净图/v5.png" -H 880

（标签=路径，标签里不要带 =；默认 3:4 居中等比裁切，同一高度好横向比。）

输出前对每一张过一遍：

• [ ] 还是一眼本人？逐项比对脸型、眉形、眼距、鼻型、嘴唇

• [ ] 有没有换性别 / 换人种

• [ ] 目标年龄看着合理吗（不显老、不显幼稚）

• [ ] 职业服装细节是否与配方一致（听诊器、肩章、围裙…）

• [ ] 手上结构正常吗，手指数量对不对

• [ ] 有没有文字乱码、logo、残留水印

• [ ] 背景里有没有混进第三人

• [ ] 公职制服类（警察/消防）有没有露出可辨识徽章、编号、单位名称

不合格的局部重出，不要整批重来。

⑦ 合成成品

# 成长对比卡（3:4 封面版式：未来照主视觉 + 左上角学生照小圆徽章）
python scripts/compose_growth_card.py compare --before 学生照.jpg --after 医生照.png \
    --name "小明" --career 医生 --caption "我在诊室里，等你长大" --out 对比卡.jpg

# 成长对比卡（16:9 并排版式：两图左右对照 + 中间箭头）
python scripts/compose_growth_card.py compare --before 学生照.jpg --after 医生照.png \
    --ratio 16:9 --name "小明" --career 医生 --out 对比卡_横.jpg

# 多职业九宫格
python scripts/compose_growth_card.py grid --before 学生照.jpg --after 出图目录/ \
    --labels "医生,老师,飞行员,科学家,厨师,画家" --name "小明的未来职业图鉴" --out 九宫格.jpg

# 证件照规格（+ 可选拼版到 5 寸相纸）
python scripts/id_photo.py 医生照.png --spec 1inch --check-bg --expect-bg white --sheet

两种比例是两套版式，不是同一套缩放：3:4 用封面版式（未来照为主、学生照缩成左上角徽章）；16:9 用并排版式（两张等大 + 箭头）。别指望一个布局通吃，横版放竖图必然切脸。

常见问题