Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Google Gemini 3 Pro Image (a.k.a. Nano Banana Pro) 전용 이미지 프롬프트 빌더. 사용자 자연어 한 줄 + AskUserQuestion 프리셋·미세조정으로 컨텍스트를 수집해 Google AI Developers 공식 가이드의 5-component 구조([Subject+Adj] doing [Action] in [Location]. [Composition]. [Lighting]. [Style]. [Constraint/Text])로 변환합니다. Google AI Studio · Vertex AI · Gemini 앱에 그대로 복붙 가능. 보너스로 GPT-image-2(6-Block) · Midjourney v8.1(키워드+파라미터) 프롬프트도 동시 출력해 모델 간 비교·이식이 가능합니다. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: - "Gemini 이미지 프롬프트 만들어줘", "나노바나나 프롬프트" - "Nano Banana Pro 프롬프트"
.claude/skills/modu-ai-gemini-3-image-prompt/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | 202% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 114% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 232% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 121% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 257% | 0% |
> moai-media | 이미지 프롬프트 빌더 (텍스트 산출 전용)
Gemini 3 Pro Image (Nano Banana Pro)는 Google DeepMind의 reasoning-driven 이미지 생성·편집 모델로, Thinking Mode, Perfect Text Rendering, Search Grounding (Google Search 연동), Few-Shot Design (최대 14개 reference 이미지)을 지원합니다. 자연어 프롬프트 어조는 Creative Director가 장면을 지시하는 톤이 가장 잘 동작합니다.
본 스킬은 사용자 한 줄 요청을 Google AI for Developers 공식 가이드의 5-component 구조로 변환합니다:
[Subject + Adjectives] doing [Action] in [Location/Context].
[Composition/Camera]. [Lighting/Atmosphere]. [Style/Media].
[Specific Constraint/Text]각 component는 영문 문장으로 끝나며 마침표로 구분합니다. 키워드 나열식은 동작하지만 결과 품질이 떨어집니다.
특히 본 스킬은:
페어 스킬 higgsfield-image(Higgsfield MCP — Nano Banana Pro 포함 11개 이미지 모델)가 실제 이미지를 생성하고, 본 스킬은 프롬프트 텍스트만 산출합니다.
Gemini 이미지 프롬프트 나노바나나 프롬프트 Nano Banana Pro 프롬프트 Gemini 3 Pro Image 프롬프트 Google AI Studio 이미지 Vertex AI 이미지 프롬프트 SynthID
사용자 자연어 한 줄
↓
[Round 1] AskUserQuestion — 프리셋 선택 (제품샷·인물·일러스트·풍경)
↓
[Round 2] AskUserQuestion — 프리셋별 미세조정 (3~4 슬롯)
↓
[Round 3] AskUserQuestion — 화면비 + 이미지 내 텍스트 유무 + 카메라 하드웨어(선택)
↓
[내부] 슬롯 → 5-component 매핑
↓
[내부] 같은 슬롯 → GPT 6-Block + MJ 키워드+파라미터 변환
↓
출력: 3개 모델 프롬프트 코드블록 + 권장 파라미터 + 한국어 해설AskUserQuestion을 호출해 4개 프리셋 중 1개를 선택받습니다.
| 프리셋 | 적용 케이스 | references | |---|---|---| | 제품샷 (권장) | 커머스 상품, 패키지 컷, 보석·시계 클로즈업 | presets/product-shot.md | | 인물·캐릭터 | 인물 포트레이트, 페르소나, 광고 모델 | presets/portrait.md | | 일러스트·아트 | 카드뉴스 일러스트, 책 표지, 컨셉 아트 | presets/illustration.md | | 풍경·환경 | 배경 이미지, 시네마틱 배경, 여행 컷 | presets/landscape.md |
presets/<name>.md의 슬롯 정의를 따릅니다. 본 스킬의 presets/는 gpt-image-2-prompt와 동일한 슬롯 데이터를 사용하지만, 모델별 어조 변환 가이드는 Gemini Creative Director 어조로 자동 변환됩니다.
| 화면비 | Gemini 매핑 | 용도 | |---|---|---| | 1:1 (권장) | aspect_ratio="1:1" | SNS 정사각, 일반 | | 16:9 | "16:9" | 와이드, 유튜브 | | 9:16 | "9:16" | 릴스·쇼츠 | | 4:5 | "4:5" | 인스타 피드 | | 21:9 | "21:9" | 시네마틱 울트라와이드 (Gemini 전용) |
Gemini는 추가로 3:2, 2:3, 3:4, 4:3, 5:4를 지원합니다. Gemini 3.1 Flash Image는 1:4, 4:1, 1:8, 8:1도 추가 지원.
카메라 하드웨어 옵션 (Gemini Creative Director 어조의 핵심):
| 옵션 | 시각적 DNA | |---|---| | 기본 (DSLR 50mm) | 깨끗·중성·표준 | | Fujifilm X-T5 | 따뜻한 색감, film simulation 어조 | | GoPro HERO12 | 광각, 액션·몰입감, 약간 distortion | | Disposable film camera | 거친 입자, nostalgic flash, raw 무드 | | iPhone 15 Pro | 깨끗 디지털, computational photography |
Component 1 — [Subject + Adjectives] doing [Action] in [Location]
Component 2 — [Composition/Camera Angle/Lens/Hardware]
Component 3 — [Lighting/Atmosphere]
Component 4 — [Style/Media]
Component 5 — [Specific Constraint/Text]각 component는 영문 문장 1-2개. 마침표로 구분. 상세 규칙은 references/prompt-blocks.md.
페어 스킬 gpt-image-2-prompt / midjourney-v8-prompt와 동일 로직.
markdown## 🎨 생성된 프롬프트 (3개 모델) ### 1) Gemini 3 Pro Image — Nano Banana Pro (메인)
<5-component 영문 문장>
**권장 파라미터**: `aspect_ratio=1:1`, `resolution=2K`, `mode=Thinking`
**Reference 이미지**: 최대 14개 첨부 가능 (`references/reference-images.md`)
**Search Grounding**: 데이터 시각화·지도·통계 그래프는 활성화 권장
### 2) GPT-image-2 — OpenAI ChatGPT / API<6-Block 자연어 단락>
**권장 파라미터**: `quality=medium`, `size=1024x1024`, `moderation=auto`
### 3) Midjourney v8.1<키워드, 키워드, ... --ar 1:1 --style raw --hd --q 4 --s 300>
### 📝 한국어 해설
- Gemini는 Creative Director 어조에 가장 잘 반응합니다 (chiaroscuro · golden hour backlighting · three-point softbox 등)
- Thinking Mode는 복잡 구도·텍스트·데이터 시각화에 유리, latency 증가
- 모든 출력 이미지에 SynthID 워터마크 자동 삽입 (imperceptible)
### 🔗 페어 스킬 (실제 이미지 생성)
- `higgsfield-image` — Higgsfield MCP 직접 호출 (Nano Banana Pro 포함, 실제 이미지 생성)
- `gpt-image-2-prompt` — GPT 어조 프롬프트 빌더 (sibling)
- `midjourney-v8-prompt` — MJ 어조 프롬프트 빌더 (sibling)이미지에 들어갈 텍스트가 길거나 복잡할 때 Google이 공식 권장하는 2-step 패턴:
본 스킬은 Round 3에서 텍스트 길이가 30자 이상이면 Text-First 패턴을 사용하라고 자동 권고합니다.
예시 1: 제품샷 > "Gemini 이미지 프롬프트, 매트 블랙 머그 'MONDAY' 글자 들어간 제품샷"
→ Round 1: 제품샷 → Round 2: 머그/슬레이트/창문/3-4분 → Round 3: 1:1 + verbatim "MONDAY" + Fujifilm → Gemini 메인 + GPT + MJ 동시 출력.
예시 2: 인포그래픽 (Search Grounding) > "나노바나나 프롬프트로 2026년 한국 SNS 사용자 수 비교 인포그래픽"
→ 일러스트 프리셋 선택 → Round 2 슬롯 → Search Grounding 활성화 안내 + Thinking Mode 권장.
예시 3: 시네마틱 풍경 21:9 > "Gemini 3 Pro Image 시네마틱 풍경 프롬프트, 한강 일몰 21:9"
→ 풍경 프리셋 → Round 2 → 21:9 + GoPro 와이드 → Gemini만 21:9 지원 메모.
| 산출물 | 형식 | 설명 | |---|---|---| | Gemini 3 Pro Image 프롬프트 | 영문 5-component 단락 | Google AI Studio / Vertex AI / Gemini 앱 복붙 | | GPT-image-2 프롬프트 | 영문 6-Block 자연어 단락 | ChatGPT / API 복붙 | | Midjourney v8.1 프롬프트 | 키워드 + --파라미터 | Discord /imagine 또는 alpha.midjourney.com | | 권장 파라미터 | 모델별 aspect/quality/mode | API/UI 설정 시 함께 입력 | | 한국어 해설 | 마크다운 | 어조 차이·Thinking 모드·SynthID·비용 주의 |
| 스킬 | 관계 | 설명 | |---|---|---| | gpt-image-2-prompt | sibling | 동일 입력으로 GPT 6-Block 어조 프롬프트 | | midjourney-v8-prompt | sibling | 동일 입력으로 MJ 키워드+파라미터 프롬프트 | | higgsfield-image | after | Higgsfield MCP 직접 호출로 실제 이미지 생성 (Nano Banana Pro 포함) |
1차 권장 출처 (공식):
업계 참고:
위 출처를 기반으로 5-component 구조, Thinking/Fast 모드 권장, aspect_ratio 범위, 14 reference images, SynthID 정책, 65K/32K 토큰 제한, Search Grounding 활용을 도출했습니다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 18,330 | 6,792 | -63% | 1 | 1 | 0% | 3,061 | 4,332 | +42% | 0 | 0 | — |
case-02 | fail→fail | 19,790 | 7,674 | -61% | 1 | 1 | 0% | 3,182 | 4,586 | +44% | 0 | 0 | — |
case-03 | fail→fail | 9,475 | 15,011 | +58% | 1 | 1 | 0% | 1,492 | 4,619 | +210% | 0 | 0 | — |
case-04 | fail→pass | 11,957 | 15,034 | +26% | 1 | 1 | 0% | 1,914 | 5,781 | +202% | 0 | 0 | — |
case-05 | fail→pass | 11,818 | 4,313 | -64% | 1 | 1 | 0% | 1,834 | 3,928 | +114% | 0 | 0 | — |
case-06 | fail→pass | 7,726 | 4,822 | -38% | 1 | 1 | 0% | 1,190 | 3,946 | +232% | 0 | 0 | — |
case-07 | fail→pass | 11,524 | 4,988 | -57% | 1 | 1 | 0% | 1,768 | 3,915 | +121% | 0 | 0 | — |
case-08 | fail→pass | 6,990 | 2,787 | -60% | 1 | 1 | 0% | 1,017 | 3,634 | +257% | 0 | 0 | — |
case-09 | pass→pass | 12,133 | 5,342 | -56% | 1 | 1 | 0% | 1,879 | 3,973 | +111% | 0 | 0 | — |
case-10 | fail→pass | 11,225 | 4,368 | -61% | 1 | 1 | 0% | 1,678 | 3,913 | +133% | 0 | 0 | — |
case-11 | pass→pass | 13,584 | 5,364 | -61% | 1 | 1 | 0% | 641 | 4,056 | +533% | 0 | 0 | — |
case-12 | fail→pass | 6,391 | 4,004 | -37% | 1 | 1 | 0% | 1,111 | 3,961 | +257% | 0 | 0 | — |
case-13 | pass→pass | 8,444 | 5,536 | -34% | 1 | 1 | 0% | 1,313 | 4,050 | +208% | 0 | 0 | — |
case-14 | fail→pass | 11,065 | 4,952 | -55% | 1 | 1 | 0% | 1,809 | 4,105 | +127% | 0 | 0 | — |
case-15 | fail→pass | 7,352 | 3,878 | -47% | 1 | 1 | 0% | 1,259 | 3,892 | +209% | 0 | 0 | — |
case-16 | fail→pass | 15,268 | 10,772 | -29% | 1 | 1 | 0% | 2,314 | 4,952 | +114% | 0 | 0 | — |
case-17 | fail→pass | 10,860 | 8,662 | -20% | 1 | 1 | 0% | 1,733 | 4,538 | +162% | 0 | 0 | — |
case-18 | fail→pass | 15,883 | 9,050 | -43% | 1 | 1 | 0% | 2,512 | 4,814 | +92% | 0 | 0 | — |
case-19 | fail→fail | 8,711 | 5,590 | -36% | 1 | 1 | 0% | 1,302 | 4,058 | +212% | 0 | 0 | — |
case-20 | pass→pass | 5,022 | 7,117 | +42% | 1 | 1 | 0% | 766 | 4,331 | +465% | 0 | 0 | — |
case-21 | pass→fail | 4,667 | 10,226 | +119% | 1 | 1 | 0% | 675 | 4,816 | +613% | 0 | 0 | — |
case-22 | fail→fail | 14,908 | 13,455 | -10% | 1 | 1 | 0% | 2,310 | 5,328 | +131% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +50 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.