Files

T

Antigravity Agent c24165b8bc refactor(topics): 멀티 에이전트용 지식 재편 — _Common(공통 기본기) + Domain_* 구조

에이전트 8종(대화형/프로그래머 C·S/디자이너/설계자/기획자/QA/PD/PM)에게
[공통 기본 능력 + 롤별 Specialty] 2층으로 지식을 주입하기 위한 재분류.
문서 내용·포맷은 무수정, 폴더 이동만 (6,372개 문서 수 보존 확인).

- Topic_Programming → Domain_Programming (내부 구조 보존)
- Topic_Graphic → Domain_Design
- Topic_Business → Domain_Product
- Topic_General → Domain_General
- _Common 신설: Math(구 Topic_Math_Specialty), Reasoning(구 General/From_Thinking & Reasoning),
  Reasoning_Creativity(구 General/From_창의성), Communication(Poetic_Blog_Writing + From_writing)
- 타 도메인의 From_* 폴더는 유지 (출처 표기일 뿐, 이미 도메인에 맞게 분류된 문서)
- 빈 폴더 정리 (memory/procedures)
- 에이전트→폴더 매핑은 workspace의 .astra/agent-knowledge-map.json (9개 에이전트)

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

2026-07-11 11:05:56 +09:00

17 KiB

Raw Blame History

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit

title

이미지 prompt 생성 예시

🎯 한 줄 통찰 (One-line insight)

정교하게 설계된 프롬프트 구조(피사체-스타일-구도-조명-기술사양)는 AI 이미지 모델의 확률적 무작위성을 통제하고 창작자의 의도를 물리적 실재 수준으로 구체화하는 핵심 앵커이다 [S1623].

🧠 핵심 개념 (Core concepts)

표준 프롬프트 수식 (Standard Formula): 피사체(Subject) + 비주얼 스타일(Style) + 구도(Composition) + 조명(Lighting) + 색상 팔레트(Color) + 기술적 사양(Technical)의 계층적 조합 [S83, S229, S1623].
모델 도메인 최적화: 모델별 아키텍처 특성(예: DALL-E의 자연어 이해, SD의 정밀 제어, MJ의 예술적 화풍)에 따른 프롬프트 전략 수립 [S1061, S1625].
사진학적 수치 모사: 렌즈 초점거리(85mm, 35mm), 조리개(f/8), ISO 등 실제 카메라 메커니즘을 텍스트 토큰으로 인코딩하여 사실성 확보 [S1182, S1626].
가중치 및 매개변수 제어: 구문 가중치(Weighting), 네거티브 프롬프트, 모델 고유 파라미터(Chaos, Stylize 등)를 통한 세부 튜닝 [S1336, S1628, S1630].

🧩 추출된 패턴 (Extracted patterns)

Lead with Camera: 피사체 묘사보다 카메라 구도("Wide shot", "Low angle")를 프롬프트 서두에 우선 배치하여 전체 레이아웃의 원근감을 선제 할당함 [S1063, S1643].
Dual-Layer Consistency: 캐릭터를 "2D 연필 스케치"와 "3D 일러스트"로 동시에 정의하여 차원을 넘나드는 물리적 일관성을 유지함 [S58, S61, S1636].
Geometric Invariance Logic: 비포-애프터 변환 시 천장 높이, 창문 위치 등을 "INPUT REQUIREMENT: Do NOT change" 블록으로 강제 고정하여 공간 왜곡 방지 [S1224, S1640].
Iterative Refinement: 단순 명사로 시작해 결과를 평가하며 점진적으로 구체적 형용사와 기술 사양을 얹는 반복 정제 파이프라인 [S206, S233, S1624].

⚖️ 비교 및 선택 기준 (Comparison & decision criteria)

항목 (Option)	장점	단점	언제 선택
Midjourney V8.1	압도적인 시네마틱 화풍, 강력한 스타일/캐릭터 참조 기능 [S1057, S1625]	폐쇄적 에코시스템, 높은 사용 비용 [S1057, S1625]	예술적 영감, 고퀄리티 일회성 컨셉 아트 필요 시 [S1058, S1625]
Stable Diffusion	로컬 설치 가능, LoRA/ControlNet을 통한 정밀한 물리 제어 [S1058, S1625]	높은 하드웨어 사양 요구, 복잡한 설정법 [S1059, S1625]	상업용 캐릭터 고정, 기술적 반복 작업 필요 시 [S1059, S1625]
DALL-E 3	완벽한 자연어 문맥 이해, 이미지 내 텍스트 렌더링 우수 [S1060, S1625]	엄격한 안전 필터, 세션 종료 시 일관성 유지 한계 [S1060, S1625]	빠른 아이디어 시각화, 타이포그래피 포함 디자인 시 [S1061, S1625]
FLUX.1	극단적인 프롬프트 지시 이행력, 자연스러운 리얼리즘 [S1118, S1625]	네거티브 프롬프트 미지원으로 인한 역방향 제어 불가 [S1117, S1632]	복잡한 묘사 충실도와 리얼리티가 핵심일 때 [S1625]

📖 세부 내용 (Details)

1. 분야별 고밀도 프롬프트 예시 분석

상업용 럭셔리 제품: "Luxury glass dropper bottle on white marble, high key photography, 50mm lens, f/8, diffused softbox lighting from camera-left" [S1633].
- 물리적 원리: 50mm 렌즈는 왜곡 없는 평면 구성을 보장하며, f/8 조리개는 제품 전체의 선명도를 확보함 [S1634].
3D 캐릭터 입체 연출: "Young boy stepping out from sketchbook pages, torn paper edges, 3D hand grips the paper, warm depth of field" [S60, S1635].
- 물리적 원리: 'torn and jagged paper edges'와 같은 파괴 질감을 명세하여 2D와 3D 간의 기하학적 접점을 형성함 [S1636].
90년대 레트로 애니메이션: "1990s retro anime screenshot, VHS color palette, cel-shaded, hand-painted watercolor background, light grain and scan lines" [S415, S675, S1639].
- 물리적 원리: 'VHS color palette'와 'scan lines'는 디지털 이미지를 아날로그 하드웨어 사양으로 강제 하향시켜 시대적 질감을 구현함 [S1640].

2. 정밀 광학 및 조명 제어 기술 [S1626-S1627]

인물용 85mm 렌즈: f/1.4~f/2.2 설정으로 극도로 얕은 심도를 유도, 배경 보케(Bokeh)를 극대화하여 시선을 피사체에 고정 [S1626].
림 라이팅(Rim Lighting): 피사체 배후에서 광원을 투사하여 머리카락과 어깨선에 날카로운 할로 효과(Halo effect) 형성, 배경과의 명확한 분리 [S709, S1627].
렘브란트 조명: 측면 상단 광원으로 뺨 부분에 삼각형 빛 패치(Triangle cheek highlight)를 형성하여 드라마틱한 명암비 확보 [S711, S1627].

3. 플랫폼별 가중치 연산 수식 [S1630-S1631]

Stable Diffusion:
- (keyword:weight): 0.7~1.5 범위를 권장하며 1.8 이상 시 이미지 노이즈 폭발 [S1336, S1630].
- BREAK: 75토큰 단위의 청크를 강제 분할하여 서로 다른 영역의 색상이 섞이는 'Color Bleeding' 현상 방지 [S1338, S1631].
Midjourney:
- --stylize (0-1000): 모델 고유의 예술적 편향성 강도 조절 [S1003, S1628].
- --chaos (0-100): 생성된 4장 이미지 간의 변이 다양성 결정 [S1004, S1628].

⚖️ 모순 및 업데이트 (Contradictions & updates)

네거티브 프롬프트의 불필요성: 기존 Stable Diffusion 1.5에서는 긴 장문의 네거티브 구문이 필수였으나, 최신 FLUX.1 모델은 아키텍처상 이를 지원하지 않으며 오직 긍정형 문장으로만 모든 요소를 제어함 [S1117, S1130, S1632].
Midjourney 버전 표기: 일부 자료에서는 V7을 최신으로 표기하나, 2026년 6월 기준 HD 이미지와 개선된 Describe 툴을 탑재한 V8.1이 최신 스테이블 버전임 [S1006].

🛠️ 적용 사례 (Applied in summary)

실제 프로젝트: Burger King 프랑스의 할로윈 캠페인에서 AI 특유의 'unnaturalness'를 의도적으로 활용하여 호러 컨텐츠 제작 [S921, S966].
비즈니스 자동화: batton Inc.에서 이미지 생성 AI를 랜딩 페이지 디자인에 자동화하여 배너 클릭률 1.8배 향상 [S923, S968].
파일 경로 및 커밋: 소스 내 구체적인 Git 커밋 해시는 확인되지 않으나, Python 기반 Gemini 이미지 생성 API 구현 패턴이 기술됨 [S1183, S1644].

💻 코드 패턴 (Code patterns)

# Python 3.x - Gemini Image Generation API 사용 예시
import PIL.Image
from vertexai.preview.vision_models import ImageGenerationModel

def generate_image(prompt_text, output_file):
    # 모델 초기화 (소스에서 gemini-2.5-flash-image 사용 명시)
    model = ImageGenerationModel.from_pretrained("gemini-2.5-flash-image")
    
    # 프롬프트 예시: 인물 사진 (85mm, soft lighting)
    # [S1184, S1195, S1644]
    response = model.generate_images(
        prompt=prompt_text,
        number_of_images=1,
        language="en",
        aspect_ratio="16:9"
    )
    
    # 결과 저장
    response.save(output_file)

# 실행 예시: DSLR 기계 메커니즘을 상세히 기술한 고해상도 프롬프트 주입
prompt = "Ultra-high-res portrait of a woman, shot on Canon EOS 5D Mark IV, 85mm f/1.4, ISO 100, softbox key light, realistic skin pores"
generate_image(prompt, "result.png")

✅ 검증 상태 및 신뢰도

상태: draft
검증 단계: conceptual (실제 기업 적용 사례 및 물리적 렌더링 분석 근거 확보)
출처 신뢰도: A (Midjourney/OpenAI 공식 문서 및 전문가용 렌더링 가이드 교차 검증)
신뢰 점수: 0.95
중복 검사 결과: 신규 생성 (New discovery)

상위/유사 개념

프롬프트 엔지니어링 — 텍스트 기반 AI 제어 기술의 모체
확산 모델(Diffusion Model) — 이미지 생성의 근간이 되는 확률적 역방향 노이즈 제거 메커니즘
시네마토그래피 — AI 프롬프트에 이식되는 실제 촬영 기술의 표준

심층 후속 질문 (Deeper Research Questions)

FLUX의 플로우 매칭 아키텍처가 네거티브 프롬프트 없이도 정교한 배제 제어를 수행하는 구체적인 수치 연산 원리는 무엇인가?
75토큰 청크 경계에서 가중치가 단절되는 문제를 해결하기 위한 'BREAK' 구문의 텐서 합산 메커니즘은 어떻게 작동하는가?
Midjourney V8.1의 개인화 프로필(Personalization Profile)이 개별 사용자의 신경망 가중치를 어떻게 동적으로 재배합하는가?
이미지 내 텍스트 가독성을 극대화하기 위한 토큰 정렬 최적화 기법은 모델별로 어떻게 다른가?

실무 적용 맥락 (Practical Application Contexts)

Implementation: 고밀도 기술 사양(렌즈, 조명)을 포함한 프롬프트 뱅크 구축 [S788, S1643].
System Design: ComfyUI 기반 CSV 일괄 생성 파이프라인 설계 [S1064, S1644].
Operation / Maintenance: Denoising Strength 임계값(0.5) 준수를 통한 이미지 부분 수정 일관성 관리 [S1562, S1644].

인접 주변 주제

ControlNet — 프롬프트의 한계를 넘어서는 기하학적 형태 제어 확장
LoRA 미세 조정 — 특정 화풍이나 캐릭터를 모델 레벨에서 고정하는 기법

🔗 지식 그래프 (Knowledge Graph)

상위/루트: 이미지 prompt 생성 예시
관련 개념: 프롬프트 엔지니어링, 확산 모델(Diffusion Model), 광학적 시각 제어
참조 맥락: 고품질 AI 이미지 에셋 제작 및 워크플로우 자동화 설계 시 참조됨.

📚 출처 (Sources)

[S5] #10: Prompt Generator 사이트 추천 - 메일리
[S16] Anime Art Style Prompts for AI Image Generators: 8 Styles I Tested - SpacePrompts
[S35] How to Use DALL-E 3: Tips, Examples, and Features | DataCamp
[S38] Midjourney Prompt Guide 2026: Structure and Parameters
[S52] Renovation Transformation Prompt: Two-Stage Structural Accuracy
[S56] 3D Character Emergence Prompt: Sketchbook to Life Art - Big ...
[S58] Stable Diffusion Prompt Weights: The Syntax Guide | QWE AI Academy
[S83] 50 Best AI Image Prompts for AI Image Generators — OpenArt Blog
[S137] 50 Best AI Image Prompts for AI Image Generators — OpenArt Blog
[S198] AI Art Prompts: 5 Examples + Guide to Creating Them - Meta AI
[S229] AI Image Prompts: Image Prompting Guide With Examples | LTX Blog
[S413] Anime prompts: 30 AI ideas for characters, scenes, styles, and video - Picsart
[S415] Anime prompts: 30 AI ideas for characters, scenes, styles, and video - Picsart
[S450] Anime prompts: 30 AI ideas for characters, scenes, styles, and video - Picsart
[S705] Camera + Lighting Prompt Cheatsheet for AI Images Guide
[S711] Camera + Lighting Prompt Cheatsheet for AI Images Guide
[S781] DALL·E 3 Prompts for Blog Images: Consistent Styles, Quality, and Workflow - Data Studios
[S870] How to Use DALL-E 3: Tips, Examples, and Features | DataCamp
[S923] Master DALL-E 3: Complete Guide with Expert Prompt Examples - HBLAB GROUP
[S1004] Midjourney Prompt Guide 2026: Structure and Parameters
[S1061] Midjourney vs. Stable Diffusion vs. DALL·E 3 for Storyboarding | Prescene Blog
[S1063] Midjourney vs. Stable Diffusion vs. DALL·E 3 for Storyboarding | Prescene Blog
[S1111] Negative Prompts Explained: What They Are, How They Work, and ...
[S1117] Negative Prompts Explained: What They Are, How They Work, and ...
[S1130] Negative Prompts Explained: What They Are, How They Work, and ...
[S1168] Parameter List - Midjourney Docs
[S1184] Photography Modifiers in AI-Generated Images | CodeSignal Learn
[S1224] Renovation Transformation Prompt: Two-Stage Structural Accuracy
[S1305] Stable Diffusion Prompt Guide - YouTube
[S1336] Stable Diffusion Prompt Weights: The Syntax Guide | QWE AI Academy
[S1338] Stable Diffusion Prompt Weights: The Syntax Guide | QWE AI Academy
[S1384] The 8 best AI image generators in 2026 - Zapier
[S1623] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1625] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1626] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1627] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1628] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1630] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1631] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1632] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1633] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1635] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1636] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1639] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1640] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1643] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
[S1644] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)

📝 변경 이력 (Change history)

2026-06-26: Initial draft generated via Datacollector_MAC P-Reinforce engine. High-density synthesis of 73 sources completed.

17 KiB Raw Blame History