用途：在反复生成或编辑同一角色图像时，维持角色身份与风格准确，避免比例、配色、标志性特征、手指数量、面部结构等偏离设定。
主要能力与思路：技能以“先选最简单方案”和“尽量最小编辑”为原则。图像模型在参考素材已接近目标、提示只描述差异时最能保留身份，因此每一级方案都在缩小模型需要凭空补全的部分。
方案阶梯：1. 纠正性指南，几分钟，针对模型出错的短规则、只写差异；2. 参考图与角色图谱，约一小时，附主参考/图谱，多参考时按请求选最接近的一张；3. 完整数据集系统，数小时到数天，10–20 张精选一致图像加标签、每次选最接近参考；4. 流水线与模型路由，数小时，两阶段拆分身份与构图、系统性模型对比、窄路由规则；5. 后处理与训练，数天以上，编辑模型精修，角色 LoRA 或微调。各方案可叠加，第 5 级不应作为起点。
使用方式：先通过与用户问答确认现状（有哪些素材、哪里出错、用量、可运行的工具），再映射到起始级别并说明理由，确认后读取对应参考文件执行。实际生成或编辑时按循环进行：分类请求、收集当前级别可用的最佳条件、只写差异提示、调用可用图像能力、对照角色定义特征检查输出、出现漂移时从最便宜处修复。
适用场景与限制：适合一次性出图、持续生产、多提示多角度场景及身份崩塌排查。资料未提供具体收费、价格、平台支持范围或效果数据。调试漂移时应检查整条流程而非直接归咎模型，常见问题是提示臃肿、参考选错或素材不干净。