用途：image-master 是一套图像提示词工程方法，目标是把一个想法转成可直接复制粘贴的提示词，使生成图在细看下接近真实照片，同时具备明确的情绪与视觉冲击。它不绑定单一工具，资料称适用于 Reve、Midjourney、Flux、GPT-image、Imagen、Nano Banana、Stable Diffusion 等。
主要能力：核心是“8 段拍摄栈”提示词结构，依次锁定拍摄介质与相机参数、主体、决定性瞬间、环境与空间层次、单一光源、色彩与材质、视角与构图、文字与情绪。它强调用具体、杂乱、光学与物理细节替代“完美、光滑、8k”等泛化赞美词，并给出会诱发塑料感的黑名单词与对抗词表。还涵盖手部、面部、身体的规避与摆姿策略，物理线索（单一光源、反射内容、眼神光、大气纵深、材质与快门运动），文字排版三原则，以及色彩、构图、戏剧性与单图叙事的冲击力设计。
使用方式：按阶段推进——先确认目标、工具、主体、画幅与展示场景；再确定视角与冲击装置；然后构建 8 段拍摄栈提示词；生成前对提示词做预检；生成后按 13 类伪影清单做取证式质检，只对薄弱元素做重绘或局部修补。资料强调每个提示词必须完整、可独立复制，不得写“同上”“前一个提示词加……”等缩写。
适用场景：单张写实图、多图系列（如比赛投稿）的差异化与统一性、杂志封面式处理、概念与信息型图像、获奖构图策略等。
限制：资料未提供收费、价格、平台可用性或实际效果数据。负面提示词仅在 Stable Diffusion、Flux、Leonardo 及 Midjourney 的 --no 中较有效，Reve、GPT-image、Nano Banana 基本忽略负面词。Reve 对密集多主体、液体、人群较弱且忽略负面词。希伯来文等文字无法干净渲染，需后期合成。具体工具适配细节需查阅其 references 章节。