female-portrait-director : transformer les prompts de portrait en Skill réutilisable

Quiconque règle des images de portrait a connu le même rituel : la dernière fois, vous aviez fini par assembler un prompt qui marchait, et cette fois vous le réécrivez de zéro pour une nouvelle scène. Vous passez au café et vous ajoutez des indications de lumière ; vous passez au style gufeng et vous changez les mots de tenue ; vous mélangez par accident les mots-clés de « pureté » et de « rétro hongkongais », et le visage commence à dériver d’un style à l’autre. Pire, les parties incontrôlables : vous avez écrit 9:16 et vous obtenez un carré, vous vouliez juste un portrait mode et le modèle ajoute son propre filtre.

female-portrait-director s’attaque exactement à ce problème de « prompts non réutilisables ». C’est un Skill open source de direction de prompts de portrait IA : vous lui donnez quelques paramètres structurés, il verrouille la direction que vous fixez explicitement, charge une seule route de style à la demande, étend les paramètres en un prompt cohérent qui semble photographié, et ajoute des contraintes négatives. Sa valeur n’est pas un énième jeu de prompts universels. C’est qu’il transforme un prompt, de texte jetable que vous réécrivez à chaque fois, en interface réutilisable, maintenable et bornée. Ce qui mérite vraiment d’être décortiqué, ce sont les quatre piliers d’ingénierie derrière lui — et ce sont justement les parties que n’importe quel prompt peut reprendre.

D’abord, en quoi il diffère d’un prompt écrit à la main

Le problème d’un long prompt de portrait écrit à la main, ce n’est pas qu’il soit mal écrit. C’est qu’il est jetable. Changez de scène et vous modifiez la moitié des mots à la main ; changez de style et vous devez vous rappeler quels mots-clés ne peuvent pas coexister ; revenez-y deux semaines plus tard et vous ne savez plus pourquoi vous l’aviez écrit ainsi.

Mettez les trois approches côte à côte et la différence saute aux yeux :

Les modèles sont déjà un grand pas par rapport aux prompts bruts, et il existe à ce sujet une bibliothèque de 12 patrons de conception de prompts réutilisables. Mais le plafond d’un modèle, c’est « copier puis ajuster » ; il ne peut pas imposer l’isolation des styles et ne rattrape pas les limites de sécurité. Un Skill va un cran plus loin : il replie l’entrée en champs, fige les règles dans des fichiers et laisse l’IA tourner selon ces règles.

female-portrait-director en 30 secondes

Le projet est développé par Li Yue, sous licence MIT, et en juin 2026 la version est V1.4.1. Il est distribué comme Codex Skill et suit le standard général des agent skills (un SKILL.md avec un name et une description). Une fois installé, tapez $female-portrait-director dans le chat pour l’appeler.

On peut résumer son fonctionnement par un flux minimal : vous remplissez quelques champs à partir d’un modèle, et il renvoie quatre sections structurées.

Alibaba Cloud - Choix n°1 des développeurs, 15 % de réduction exclusive sur Lighthouse

Obtenir -15 % →Pub

Entrée (modèle minimal) :
Style : portrait lifestyle épuré
Scène : place près de la fenêtre dans un café
Tenue : cardigan en maille blanc + sous-couche claire
Ambiance : nette et douce
Format : 9:16

Sortie (quatre sections) :
1. Paramètres verrouillés : restitue votre entrée champ par champ
2. Analyse par module : comment sont traités visage / silhouette / tenue / scène / caméra / lumière / filtre
3. Prompt final : un seul bloc prêt à copier
4. Contraintes négatives : ce qu'il faut éviter

Remarquez : il n’y a pas de liste résumée dans la sortie. Il étend les quelques champs que vous avez donnés en une scène concrète, et c’est là la différence fondamentale avec un modèle. Comme le dit le projet : les exemples montrent à quoi ressemble « l’achevé », ce ne sont pas des modèles figés, et chaque exécution devrait rechoisir l’événement, l’action et les détails d’environnement.

Installation et premier appel

Installation en une ligne avec npx

Le plus rapide est d’installer globalement dans les skills de Codex avec npx :

npx skills@latest add liyue-aigc/female-portrait-director -g -a codex -y

Pour mettre à jour ensuite :

npx skills@latest update female-portrait-director -g -y

git clone manuel

Vous pouvez aussi le cloner dans le dossier skills de Codex. Windows PowerShell :

git clone https://github.com/liyue-aigc/female-portrait-director.git "$env:USERPROFILE\.codex\skills\female-portrait-director"

macOS ou Linux :

git clone https://github.com/liyue-aigc/female-portrait-director.git "${CODEX_HOME:-$HOME/.codex}/skills/female-portrait-director"

Après l’installation, redémarrez Codex ou ouvrez une nouvelle conversation et tapez $female-portrait-director pour le déclencher. Un mécanisme mérite d’être connu : Codex utilise la divulgation progressive. Par défaut, il ne met dans le contexte que le name, la description et le chemin de chaque skill, la liste initiale étant plafonnée à environ 2 % de la fenêtre de contexte, ou à 8 000 caractères quand la fenêtre est inconnue ; il ne lit le SKILL.md complet que lorsqu’il décide d’utiliser un skill. Cela veut dire que vous pouvez installer une pile de skills sans encombrer durablement votre contexte, ce qui compte beaucoup pour comprendre la conception qui suit. Reportez-vous au README du dépôt pour la version et les commandes exactes.

Pilier un : verrouillage des paramètres, pour que ce que vous dites ne soit pas réécrit

La façon la plus courante dont un prompt de portrait se casse, c’est le modèle qui change discrètement ce que vous avez demandé explicitement. Vous avez écrit 9:16 et obtenu un carré ; vous vouliez juste un portrait mode et il a ajouté un filtre de lui-même.

La première couche de la conception de female-portrait-director, c’est le verrouillage des paramètres. Il définit 22 champs de paramètres, du style, de la scène, de la tenue et de la palette jusqu’à la caméra, la lumière, le format et l’usage de plateforme, chacun avec une valeur par défaut. La règle est ferme : verrouiller les champs que l’utilisateur a fixés explicitement, ne combler que les manquants et ne jamais remplacer la direction. Comme l’explique la FAQ du projet, ce qui est verrouillé, c’est la direction que vous avez choisie, pas le détail au niveau du pixel, donc cela ne limite pas la créativité ; le système ajoute toujours le moment naturel, la chaîne d’actions et le regard.

Un contrôle dur comme le format reçoit une garde supplémentaire. Le projet exige de placer le format et la taille en pixels dans la première phrase du prompt final, avec votre valeur exacte. La raison est le vieux problème ci-dessus : placé au milieu ou à la fin, le modèle tend à l’ignorer ; placé en première phrase comme contrainte dure, le format de sortie reste stable.

Transposée à votre cas, cette couche revient à définir un schéma d’entrée avec valeurs par défaut pour votre prompt. Décidez quels champs l’utilisateur doit posséder et lesquels peuvent revenir automatiquement aux valeurs par défaut, et alors seulement le prompt devient réutilisable.

Pilier deux : routage à la demande, charger un style à la fois

Il prend en charge 14 styles, du lifestyle épuré, de la mode urbaine et des photos de mannequin e-commerce jusqu’au gufeng fantasy, au rétro hongkongais et au nouveau style chinois. Une question naturelle : pourquoi ne pas fourrer les 14 dans un prompt géant et laisser le modèle choisir ?

KiloClaw - OpenClaw managé pour l’entreprise : orchestration d’agents IA et routage intelligent

Commencer →Pub

Parce que les fourrer ensemble provoque un mélange. Avec les mots-clés gufeng et les mots-clés rétro hongkongais présents en même temps, le modèle mélange facilement des traits des deux dans un seul visage. L’approche du projet est d’utiliser un registre de styles léger (style-registry) comme unique point d’entrée de routage, où chaque requête ne fait correspondre et ne lit qu’un seul fichier de route de style, les 13 autres n’entrant jamais dans le contexte. La FAQ le dit sans détour : le chargement à la demande réduit les règles non pertinentes dans le contexte, atténue le mélange de styles et les sorties stéréotypées, et améliore l’efficacité de traitement.

Cette idée relève du même principe d’ingénierie que la divulgation progressive de Codex évoquée plus haut, mais à un autre niveau. Codex ne charge au niveau du framework que la description d’un skill et lit le texte complet en cas de correspondance ; female-portrait-director le refait à l’intérieur du skill, regarde d’abord le registre et ne lit que cette seule route de style en cas de correspondance. Les deux répondent à la même question : le contexte est une ressource rare, alors ne versez pas tout d’un coup.

L’enseignement est clair lui aussi : quand votre prompt doit couvrir de nombreux styles, scènes ou types de tâches, n’empilez pas un prompt monstre ; utilisez une structure « registre plus chargement à la demande » pour que chaque appel ne charge que la part pertinente.

Pilier trois : expansion dirigée modulaire, transformer les paramètres en scène

Si la sortie standard ne fait que réordonner les champs que vous avez remplis, elle ne diffère pas d’un modèle. female-portrait-director insiste : la sortie standard ne doit pas être un résumé, car un résumé ne suffit pas à contrôler la génération de façon stable.

Il découpe la scène en 7 modules visuels : visage, silhouette, tenue, scène, caméra et pose, lumière, filtre. Le prompt final de la sortie détaillée standard doit compter exactement cinq paragraphes, couvrant dans l’ordre la personne et son tempérament ; la tranche de temps et l’action ; la silhouette et la tenue ; la scène et la caméra ; la lumière et le filtre. L’expansion dirigée, c’est utiliser une tranche de temps plus un petit événement, une chaîne d’actions, un point de regard et deux ou trois détails d’environnement choisis pour fusionner ces champs en un moment cohérent, au lieu d’empiler les champs en liste.

Voici la différence en termes concrets. Un résumé écrit « cardigan blanc, café, lumière douce ». Une direction écrit un instant capté : une place près de la fenêtre, elle vient de poser sa tasse, le regard sur la rue dehors, la lumière de l’après-midi entrant par la gauche. Le second contrôle la génération de façon stable ; le premier ne fait que parier.

Cette couche nous rappelle que réutilisable n’est pas modèle à trous. La structure sert la stabilité, mais vous devez laisser de la place à l’expansion et au raisonnement, sinon toutes les images réutilisées sortent identiques.

Pilier quatre : limites de sécurité et format de sortie, plus réutilisable veut dire plus contrôlé

Transformer un jeu de prompts de portrait en Skill que n’importe qui peut appeler amplifie le risque de conformité, donc les limites doivent être écrites dans les règles plutôt que mémorisées à chaque fois.

Les limites de sécurité de female-portrait-director sont explicites : par défaut, il génère des femmes fictives clairement adultes ; la préservation d’identité n’est autorisée qu’avec vos propres images de référence ou celles d’adultes autorisés ; sexualiser des mineurs, la nudité explicite, les images non consenties et l’usurpation d’identité sont interdits. Même pour les styles axés sur les courbes, il exige d’éviter les parties intimes exposées et les cadrages d’âge ambigu. Ce sont les contraintes d’usage responsable du projet ; lors de la génération réelle, vous devez en plus respecter les règles de votre plateforme et la loi locale.

🔥 Ne perdez plus des mois sur des produits sans demande ! Validez vos promesses SaaS avec Adsterra à petit budget ➡️

Tester l'MVP →Pub

Le format de sortie est aussi une forme de contrôle. Il exige que le prompt final et les contraintes négatives soient chacun dans un bloc de code séparé balisé text, les titres restant hors du bloc pour faciliter la copie et éviter que l’analyse ne se glisse dans le contenu prêt à copier. Le détail paraît mince mais compte pour la réutilisation : celui qui appelle obtient toujours la même structure prévisible.

À vous de jouer : 5 étapes pour replier votre prompt en Skill

Cette approche ne se limite pas aux portraits. Tout prompt que vous réécrivez encore et encore peut être replié en Skill selon les cinq étapes ci-dessous.

1. Extraire un schéma de paramètres. Listez en champs les éléments que vous changez à chaque fois et donnez une valeur par défaut à chacun. Décidez lesquels l’utilisateur doit fixer et lesquels peuvent revenir aux valeurs par défaut.
2. Construire un registre à chargement à la demande. S’il y a beaucoup de styles ou de types de tâches, construisez une table d’entrée légère et ne chargez que le fichier de règle correspondant à chaque fois, au lieu de tout empiler ensemble.
3. Écrire des règles d’expansion dirigée. Précisez comment étendre les champs en un résultat cohérent, et non les relister.
4. Fixer des limites de sécurité et un contrat de sortie. Codez en dur les interdictions et la structure de sortie pour que chaque appel renvoie un format prévisible.
5. L’empaqueter en SKILL.md. Écrivez un name et une description clairs, la description énonçant le scénario de déclenchement et les limites pour que l’agent puisse le faire correspondre implicitement.

Un squelette de SKILL.md minimal

Remplacez le contenu par votre domaine ; ceci est un exemple écrit à la main, pas l’original du projet :

---
name: my-prompt-skill
description: Se déclenche quand l'utilisateur a besoin d'un prompt de type X ; prend quelques champs et renvoie un résultat structuré avec contraintes négatives.
---

# Flux
1. Lire les champs, verrouiller ceux que l'utilisateur a fixés explicitement, combler les manquants avec les valeurs par défaut.
2. Choisir une route de style/tâche correspondante dans le registre et ne charger que celle-là.
3. Étendre en un résultat cohérent selon les règles d'expansion dirigée, sans lister les champs.
4. Produire le résultat final et les contraintes négatives dans des blocs de code séparés.

Quelques pièges courants en le construisant, avec leurs correctifs :

À qui il convient, et à qui non

Tout besoin ne mérite pas d’être transformé en Skill. Une évaluation rapide :

Ce qui mérite vraiment d’être repris de female-portrait-director, ce ne sont pas ses 14 styles, mais sa façon de traiter un prompt comme un objet d’ingénierie : l’entrée a un schéma, les règles se chargent à la demande, l’expansion a une méthode et les limites vivent dans des fichiers. Pour comprendre le mécanisme des Skills lui-même, commencez par la fonctionnalité Skill de Claude Code ; pour une autre manière de replier des instructions récurrentes dans un fichier de configuration réutilisable, voyez le guide de rédaction d’un CLAUDE.md.

Conclusion

female-portrait-director a fait avec les prompts de portrait ce que la plupart ne font pas : il les a transformés, de texte que l’on réécrit à chaque fois, en interface dotée d’un schéma d’entrée, d’un routage à la demande, d’une expansion dirigée et de limites claires. Vous n’êtes pas obligé d’utiliser ses fonctions de portrait, mais ses quatre piliers d’ingénierie se transposent directement à tout prompt que vous ne cessez d’ajuster. L’étape suivante est simple : choisissez un prompt que vous réécrivez deux ou trois fois par semaine, repliez-le en SKILL.md avec ces 5 étapes et lancez-le deux fois pour voir s’il est plus stable qu’à la main.