Автоматизация генерации промтов: перестань писать их вручную

Привет, на связи Илья.

Один из самых частых вопросов от учеников после первой недели работы с AI-моделью: «а можно как-то не писать промты вручную каждый день?». Можно. Делаю это уже больше полугода. И сегодня поделюсь базовым приёмом, с которого вообще началась автоматизация моего конвейера.

Суть простая. Вместо того чтобы каждое утро придумывать «во что одеть модель и где её снять», ты держишь JSON-шаблон с переменными — а сетка сама подставляет туда параметры и выдаёт готовый промт. Дальше — копируешь в Higgsfield / Nano Banana и идёшь пить кофе.

Почему JSON, а не обычный текст

JSON — это формат, где каждая часть промта — отдельное поле: style, subject_rules, environment, camera, lighting. Сетки (особенно Nano Banana и GPT image) читают такой формат намного точнее, чем сплошной текст. Меньше «потерянных» инструкций, меньше галлюцинаций.

Плюс — таким шаблоном легко рулить из кода или из Claude. Передаёшь Claude задачу «сгенери 5 промтов в эстетике Minecraft с моей AI-моделью» — он сам подставляет переменные в шаблон и выплёвывает готовые JSON-блоки. Ты ничего не пишешь руками.

Пример: «Minecraft + реальный человек»

Это один из приёмов, которые залетают на холодном трафике в TikTok и Reels: реальный персонаж в воксельном Minecraft-окружении. Контраст «фотореализм + блоки» цепляет глаз за 0.5 секунды.

Промт ниже — это готовый JSON-шаблон, который можно копировать в Nano Banana как есть. Внутри — все нужные правила: персонаж остаётся реальным, окружение полностью воксельное, освещение и камера сохраняют исходную композицию.

{
  "task": "image_transformation",
  "style": {
    "overall_aesthetic": "High-quality cinematic Minecraft screenshot.",
    "rendering_technique": "Mixed-media: Photorealistic subject embedded in a voxel-based environment."
  },
  "subject_rules": {
    "main_subject": "The human person from the reference image must remain completely photorealistic and unchanged. No pixelation or block filters on their body, clothing, or face.",
    "interacting_objects": "CRITICAL: Any non-human object in direct physical contact with the subject (e.g. nearby pets or dogs) MUST be converted into Minecraft block models or mobs. A real dog becomes a Minecraft wolf."
  },
  "environment_rules": {
    "background_analysis": "Analyze the reference image background structure and recreate it entirely out of Minecraft voxel blocks.",
    "elements": "Trees, terrain, paths, and foliage must be cubic blocks with pixel art textures.",
    "atmosphere": "Replicate the foggy forest atmosphere using blocky volumetric fog layers appropriate for Minecraft."
  },
  "composition_and_lighting": {
    "camera": "Maintain the exact camera angle and framing from the reference photo.",
    "lighting": "Minecraft daylight with gentle haze and consistent block-based shadows."
  }
}
enhance

Загружай референс-фото в Nano Banana, копируй этот JSON в поле промта, нажимай Generate.

Как этот приём масштабируется

Это просто один шаблон из коллекции, которая у меня крутится. По тому же принципу собираются:

• «Пиксар-стиль» — твоя AI-модель в стиле мультика Pixar
• «80s aesthetic» — ретро-восьмидесятые с гранулой и неоном
• «Cyberpunk 2077» — неоновый Шанхай, дождь, отражения
• «Children's book illustration» — стиль детской иллюстрации

В каждом шаблоне меняются только три поля: style, environment_rules, lighting. Остальное (subject_rules — «человек остаётся реальным», composition_and_lighting.camera — «сохрани угол») держится константой.

После того как у тебя собрана коллекция из 5–10 таких шаблонов, ты подключаешь к ним Claude. Структура такая:

1. Claude-проект с system prompt вида «ты — генератор промтов. У тебя есть N шаблонов. Под задачу пользователя подставляй переменные и выдавай JSON»
2. Ты пишешь в чат: «нужен Minecraft-кадр в зимнем лесу, моя модель в красной куртке»
3. Claude выдаёт готовый JSON уже с подставленными переменными
4. Копируешь в Nano Banana → готовый кадр

В итоге время на «придумывание промта» падает с 15 минут до 30 секунд.

Что важно учесть

Эта связка — базовый уровень автоматизации. Дальше её можно прокачивать: подключать через API, делать batch-генерацию по 50 кадров за раз, прикручивать публикацию в Instagram через буфер. Это уже отдельный слой, и я разбираю его на основном потоке обучения.

Что в итоге

JSON-шаблоны — это первый шаг от «руками писать каждый промт» к «системе, которая делает контент за тебя». Тестируй пример с Minecraft, делись результатом в TG-канале. Часть учеников уже собрала свои коллекции из 20+ шаблонов — это сильно меняет производительность.

Все рабочие схемы 2026 года выкладываю в TG-канале «Будни ИИ-продюсера» — каждый понедельник свежий приём, каждый четверг кейс ученика.