还在用”一只猫”这种词去画图？难怪生成的图又丑又普通

你有没有过这种感觉——明明心里有画面，但 AI 画出来就是不对？光影平淡、构图普通、毫无灵魂。

问题可能不在 AI，而在你的 Prompt 太干瘪了。

最近我在 LobeHub 上挖到一个让我眼前一亮的 Skill——Creative Drawing，来自一个叫 GEMS 的多模态生成框架（上海 AI Lab × 南京大学 × 港中文 × 上交大联合出品）。这个 Skill 的核心能力是：把你的模糊想法，自动升级成专业级生图 Prompt。

它怎么工作的？

当你跟 AI 说”画一个梦幻的夜空”，它只会给你一张普通星空图。

但 Creative Drawing 会触发一套六维 Prompt 改造术：

• Originality（原创性）：不是画夜空，而是在夜空里加入一只蒸汽朋克飞艇，让画面前所未有
• Expressiveness（表达力）：不只是”美”，而是要传达孤独感还是壮丽感？
• Aesthetic Appeal（审美）：构图、光影、色彩层次，全部精细化描述
• Technical Execution（技术实现）：细节工艺感、渲染质感说明
• Unexpected Associations（意外关联）：把两个无关元素拼接——夜空 + 敦煌飞天，带来惊喜感
• Interpretability & Depth（深度）：留白、隐喻，让图有可读性

最终输出只有一个东西：一句经过千锤百炼的生成 Prompt，直接扔给 Midjourney / Stable Diffusion / DALL·E 就行。

谁适合用？

• 设计师/艺术家，用 AI 做概念探索
• 内容创作者，需要快速出视觉素材
• AI 生图玩家，一直觉得 AI”听不懂人话”
• 产品/品牌，需要高质量配图但没有设计资源

实际效果怎么样？

GEMS 团队做了对照实验：同样的”漂浮的书”任务，不加 Skill 触发 → 书本漂着很无趣；触发 Creative Drawing → 书页飞舞、星空点缀，整体梦幻感拉满。

这背后是 GEMS 框架（Agent-Native Multimodal Generation）的 AgentSkill 模块在起作用，让模型按需加载专家级指令，而不是硬编码在模型权重里。

GitHub 上已经有完整代码，配合 Kimi-K2.5 + Z-Image-Turbo / Qwen-Image-2512 使用，一键 clone 就能跑。

总结一下

Creative Drawing 这个 Skill，解决的不是 AI 模型能力问题，而是 Prompt 表达能力的问题——帮你把脑子里的画面，翻译成 AI 能理解的专业语言。

如果你一直在生图质量上卡壳，先别急着换模型，试试把 Prompt 质量提上来。

GitHub：https://github.com/lcqysl/GEMS

GitHub: https://github.com/lcqysl/GEMS