0Pricing
AI Prompt Engineering · Aula

Anatomia de um prompt para geração de imagens

Elementos de assunto, estilo, técnica, iluminação, paleta de cores e composição.

Anatomia de um prompt para geração de imagens é uma aula grátis de AI Prompt Engineering no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Prompt Engineering, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Prompt Engineering inclui 4 aulas no total.

A instrução de imagem como receita

Uma instrução de geração de imagens é uma receita para criar um visual. Assim como na culinária, a ordem e o equilíbrio dos elementos são importantes. A ausência de elementos produz resultados genéricos; elementos inadequados produzem falhas inesperadas. Dominar a estrutura de uma instrução oferece um controle criativo previsível.

Os seis componentes principais

Toda instrução de imagem eficaz contém seis componentes: Tema (o quê), Estilo (como é a aparência), Meio (forma artística), Iluminação (luz), Paleta de cores (tom) e Composição (enquadramento). Deixar qualquer componente de fora faz o modelo adivinhar — geralmente usando padrões genéricos.

# Anatomy of an image prompt
prompt_components = {
    'subject':    'A lone lighthouse on a rocky coastline',
    'style':      'dramatic, moody, cinematic',
    'medium':     'oil painting',
    'lighting':   'stormy overcast sky, waves crashing, dramatic side-lighting',
    'color_palette': 'desaturated blues and grays with warm amber light from the lighthouse',
    'composition': 'wide establishing shot, rule of thirds, lighthouse at left third'
}

# Assemble into a prompt string
full_prompt = (
    '{subject}, {style}, {medium}, {lighting}, '
    '{color_palette}, {composition}'
).format(**prompt_components)

print(full_prompt)
# A lone lighthouse on a rocky coastline, dramatic, moody, cinematic,
# oil painting, stormy overcast sky, waves crashing, dramatic side-lighting,
# desaturated blues and grays with warm amber light from the lighthouse,
# wide establishing shot, rule of thirds, lighthouse at left third

Tema: o quê

O tema é o componente mais importante — ele informa ao modelo o que representar. Seja o mais específico possível: inclua espécie, idade, emoção, ação, ambiente e relações espaciais.

# Subject specificity comparison

# Weak subject:
weak = 'a person in a city'

# Strong subject (same concept, much more specific):
strong = (
    'a young woman in her 30s, wearing a vintage 1960s trench coat, '
    'standing at a rain-soaked street corner in Tokyo at night, '
    'looking up at neon signs reflected in the puddles, '
    'holding a dripping umbrella, expression of quiet wonder'
)

# The strong subject answers:
# WHO: young woman, 30s
# WHAT WEARING: 1960s trench coat
# WHERE: Tokyo street corner
# WHEN: night, raining
# WHAT DOING: standing, looking up
# EXPRESSION: quiet wonder
# KEY DETAIL: neon reflections in puddles, dripping umbrella

print('Weak:', weak)
print('Strong:', strong[:100], '...')

Estilo: como

Os descritores de estilo informam ao modelo a linguagem visual e o registro estético da imagem. Eles podem fazer referência a movimentos artísticos, artistas específicos, meios visuais ou qualidades estéticas abstratas.

style_examples = [
    # Art movements
    'impressionist', 'art nouveau', 'bauhaus', 'minimalist', 'surrealist',

    # Artist references
    'in the style of Monet', 'reminiscent of Hopper', 'inspired by Klimt',

    # Visual media
    'film noir', 'vaporwave aesthetic', 'cottagecore', 'brutalist',

    # Quality descriptors
    'highly detailed', 'cinematic', 'editorial photography style',
    'concept art', 'matte painting', 'character design sheet',

    # Mood
    'ethereal', 'gritty', 'whimsical', 'melancholic', 'vibrant', 'serene'
]

# Combining styles creates unique aesthetics
combined_style = 'cyberpunk aesthetic meets art nouveau, highly detailed, dark ethereal'
print('Combined style:', combined_style)

# Warning: too many style directives create incoherence
too_many = 'impressionist, minimalist, surrealist, photorealistic, anime, baroque'
print('Too many (incoherent):', too_many)

Meio: a forma artística

O meio define a forma artística física ou digital. Ele altera fundamentalmente a textura, a qualidade do traço e a tonalidade da imagem gerada. Meios comuns e o que produzem:

medium_guide = {
    # Traditional media
    'oil painting': 'Rich, textured, classic look with visible brushwork',
    'watercolor': 'Soft edges, translucent washes, paper texture visible',
    'pencil sketch': 'Line art, cross-hatching, grayscale, raw feel',
    'charcoal drawing': 'Soft, smudgy, high contrast, dramatic shadows',
    'ink illustration': 'Bold lines, flat colors or crosshatching',

    # Photography
    'photorealistic': 'Looks like a real photograph',
    'film photography': 'Grain, color shift, analog feel',
    'macro photography': 'Extreme close-up, shallow depth of field',
    'long exposure photography': 'Motion blur, light trails',

    # Digital / 3D
    '3D render': 'CGI quality, precise geometry',
    'octane render': 'Photorealistic 3D with ray-tracing quality',
    'Blender 3D': 'CGI aesthetic, often used with subdivision modeling',
    'pixel art': 'Retro 8-bit or 16-bit style, visible pixels',
    'vector illustration': 'Clean, flat, scalable design style'
}

for medium, description in list(medium_guide.items())[:5]:
    print(f'{medium}: {description}')

Iluminação: criando o clima

A iluminação é o recurso que mais define o clima na arte visual. O mesmo tema tem uma aparência completamente diferente sob a luz dourada do entardecer e sob a iluminação agressiva de uma sala de interrogatório. Domine o vocabulário de iluminação.

lighting_vocabulary = {
    # Time of day
    'golden hour': 'Warm orange-yellow, long shadows, magic hour feel',
    'blue hour': 'Cool blue twilight, soft diffused light',
    'harsh midday': 'Hard shadows, washed-out, unflattering (usually avoided)',
    'overcast': 'Soft even light, no shadows, good for portraits',

    # Studio / artificial
    'studio lighting': 'Controlled, professional, even illumination',
    'Rembrandt lighting': 'Triangle of light on cheek, dramatic portrait technique',
    'neon lighting': 'Colorful, urban, cyberpunk feel',
    'candlelight': 'Warm, flickering, intimate',

    # Dramatic
    'chiaroscuro': 'Extreme light/dark contrast, Baroque dramatic style',
    'volumetric lighting': 'God rays, light shafts through fog or dust',
    'backlit / rim light': 'Subject outlined by light from behind, halo effect',
    'bioluminescent': 'Glowing from within, alien or underwater feel'
}

example = 'volumetric lighting, golden hour, warm glow filtering through forest canopy'
print('Lighting example:', example)

Paleta de cores: o registro emocional

A paleta de cores controla o registro emocional e a coerência visual de uma imagem. Especifique as paletas de forma descritiva ou fazendo referência a movimentos artísticos, filmes ou à natureza.

color_palette_examples = [
    # Temperature-based
    'warm earth tones: rust, ochre, sienna, cream',
    'cool blues and silvers, icy palette',
    'neutral gray monochrome with single red accent',

    # Mood-based
    'muted, desaturated, melancholic color grading',
    'vibrant saturated colors, tropical energy',
    'pastel soft colors, dreamlike softness',

    # Reference-based
    'Wes Anderson color palette: pastel pinks and greens',
    'film noir: high contrast black and white with amber shadows',
    'synthwave neon: pink, purple, cyan on dark backgrounds',

    # Nature-based
    'autumn forest: burnt orange, golden yellow, deep brown',
    'arctic palette: white, pale blue, grey with deep navy accents',
]

# Color palettes can clash with lighting — ensure they work together
clash = 'vibrant tropical colors + film noir lighting'  # incoherent
harmony = 'warm amber and ochre tones + golden hour lighting'  # coherent

print('Harmonious combo:', harmony)

Composição: enquadramento e foco

As instruções de composição informam ao modelo como enquadrar a cena — o que incluir, o que enfatizar e onde posicionar os elementos. Usar vocabulário emprestado da fotografia e da cinematografia funciona bem.

composition_vocabulary = {
    # Camera distance
    'extreme close-up': 'fills frame with a single detail (eye, hand, texture)',
    'close-up': 'face or object fills most of frame',
    'medium shot': 'waist to head, character-focused',
    'wide shot': 'full body in environment context',
    'establishing shot': 'landscape/environment, tiny or no character',
    'aerial / bird\'s eye view': 'looking straight down',
    'worm\'s eye view': 'looking straight up from below',

    # Composition rules
    'rule of thirds': 'subject at intersection of 1/3 lines',
    'centered composition': 'symmetrical, formal, powerful',
    'leading lines': 'lines guide eye toward subject',
    'negative space': 'large empty area emphasizes subject',
    'frame within frame': 'archway, window, or shape frames subject',

    # Depth
    'shallow depth of field': 'sharp subject, blurred background (bokeh)',
    'deep focus': 'everything in sharp focus front to back'
}

print('Composition example: close-up portrait, rule of thirds, shallow depth of field, bokeh background')

Montagem completa da instrução

Montar os seis componentes em uma ordem lógica produz instruções de imagem de alta qualidade de maneira consistente. Uma boa ordem é: Tema → Meio → Estilo → Iluminação → Paleta de cores → Composição.

def build_image_prompt(
    subject, medium, style, lighting, color_palette, composition,
    quality_boost='highly detailed, 8K resolution'
):
    parts = [
        subject,
        medium,
        style,
        lighting,
        color_palette,
        composition,
        quality_boost
    ]
    # Filter out None values and join
    return ', '.join(p for p in parts if p)

# Example: Portrait
portrait = build_image_prompt(
    subject='elderly Japanese fisherman mending nets at sunrise, weathered hands, peaceful expression',
    medium='oil painting',
    style='impressionist, highly detailed, classical technique',
    lighting='golden hour sunrise, warm light from the left, soft shadows',
    color_palette='warm ochres, golds, deep navy sea in background',
    composition='medium shot, rule of thirds, subject right third, ocean left'
)
print(portrait)

Instruções para manter a consistência entre imagens

Ao gerar uma série de imagens (folhas de personagens, storyboards), mantenha a consistência usando um modelo-base de instrução com substituições de variáveis para os elementos que mudam entre as imagens.

BASE_CHARACTER_TEMPLATE = (
    '{character_description}, '
    '{action_description}, '
    'oil painting, concept art style, '
    'dramatic studio lighting, '
    'muted jewel tones with gold accents, '
    'close-up portrait, centered composition, '
    'highly detailed, cinematic'
)

character = (
    'a tall warrior woman with dark braided hair, emerald eyes, '
    'wearing ornate silver plate armor with dragon motifs'
)

action_variants = [
    'standing at attention, stoic expression, arms crossed',
    'battle-ready, sword raised, fierce expression, mid-action',
    'resting against a stone wall, exhausted but resolute, soft smile',
    'close-up portrait, neutral expression, slight three-quarter view'
]

for action in action_variants:
    prompt = BASE_CHARACTER_TEMPLATE.format(
        character_description=character,
        action_description=action
    )
    print(f'Generating: {action[:40]}...')
    # call image API with prompt

Marcadores de qualidade

A maioria dos modelos de imagem responde a marcadores de qualidade — termos que indicam o nível de fidelidade desejado na saída. Use-os estrategicamente para aumentar o nível de detalhes sem alterar o tema ou o estilo.

quality_tokens = {
    'high_detail': [
        'highly detailed', 'intricate detail', 'ultra-detailed',
        '8K resolution', '4K wallpaper quality'
    ],
    'photorealism': [
        'photorealistic', 'hyperrealistic', 'photographed by',
        'DSLR photo', 'shot on 35mm film'
    ],
    'professional_quality': [
        'award-winning', 'professional photography', 'editorial quality',
        'museum quality', 'masterpiece'
    ],
    'rendering_quality': [
        'octane render', 'unreal engine 5', 'ray tracing',
        'subsurface scattering', 'global illumination'
    ]
}

# Best practice: add 2-3 quality tokens at the end of the prompt
quality_suffix = 'highly detailed, cinematic, 8K resolution'
print('Add to end of any prompt:', quality_suffix)

# Warning: do not overload with quality tokens — they dilute each other
too_many_quality = 'masterpiece, best quality, ultra-detailed, perfect, amazing, award-winning'
print('Over-specified (less effective):', too_many_quality[:60])

Verificação rápida

Qual componente de uma instrução de geração de imagens controla mais diretamente o clima emocional da imagem?

Resumo da estrutura de uma instrução de imagem

Uma instrução de imagem bem construída tem seis componentes trabalhando em harmonia:

  • Tema: WHO e WHAT — o componente mais importante; seja muito específico
  • Estilo: registro estético, movimento artístico ou referência a um artista
  • Meio: forma artística (pintura a óleo, fotorrealismo, renderização 3D, arte em pixels)
  • Iluminação: luz que define a atmosfera (hora dourada, claro-escuro, neon)
  • Paleta de cores: temperatura emocional (tons terrosos quentes, cores frias dessaturadas, neon)
  • Composição: enquadramento (primeiro plano, regra dos terços, plano de ambientação)

Adicione de 2 a 3 marcadores de qualidade ao final. Use modelos para manter a consistência em séries de várias imagens.

Perguntas Frequentes

A aula “Anatomia de um prompt para geração de imagens” é grátis?

Sim — o texto completo de “Anatomia de um prompt para geração de imagens” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Prompt Engineering, atualize para CoddyKit PRO. O curso de AI Prompt Engineering inclui 4 aulas no total.

O que vou aprender em “Anatomia de um prompt para geração de imagens”?

Elementos de assunto, estilo, técnica, iluminação, paleta de cores e composição. Você pratica AI Prompt Engineering com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar AI Prompt Engineering?

Nenhuma experiência prévia é necessária. AI Prompt Engineering no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.

Quanto tempo leva a aula “Anatomia de um prompt para geração de imagens”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de AI Prompt Engineering?

Sim. Cada aula de AI Prompt Engineering inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Anatomia de um prompt para geração de imagens
  2. Especificação de estilo e técnica artística
  3. Prompts negativos e exclusões
  4. Refinamento iterativo de prompts de imagem
← Voltar para AI Prompt Engineering