Blogue

Guia de uso

Iteração prática de prompts com FLUX 3 Image Klein: da composição de produto a múltiplas imagens de referência

Use o método de variável fixa para convergir gradualmente composição, papéis das imagens de referência e controle de detalhes

Nov 18, 2026
Ilustração geométrica em estilo plano de uma seção mineral sobre fundo azul-petróleo, com facetas em verde-ciano e verde-escuro bem definidas, usada como imagem de capa deste artigo.
Nesta página

Por que visuais de produto exigem prompts escritos em fases

O erro mais comum em prompts de visuais de produto é tratá-los como uma redação escrita de uma vez: sujeito, material, iluminação, fundo, composição, lente, estilo e descrições negativas todos enfiados em um parágrafo, e depois gerar, ver o resultado, não gostar e reescrever o parágrafo inteiro. O problema é que, em uma rodada de mudanças assim, sete ou oito fatores mudam ao mesmo tempo, e você não consegue julgar qual frase realmente fez efeito; na rodada seguinte, muitas vezes só repete a mesma sorte de outra forma.

A abordagem de iteração em fases consiste em dividi-lo em etapas com dependências de ordem: primeiro definir o formato e o nível de pixels, depois determinar a posição e a proporção do produto na imagem, em seguida decidir qual papel cada imagem de referência assume, e só por último fazer os ajustes de detalhes e da camada de entrega. A cada fase, altere apenas os campos que pertencem àquela fase e mantenha os demais fixos. Assim, as diferenças entre os resultados de cada rodada se tornam explicáveis.

No lado da chamada, esse método corresponde a um conjunto claro de campos: prompt, image_urls, aspect_ratio, resolution, steps, seed, output_format, safety_tolerance. Dividir em fases, em essência, é decidir quais campos podem variar nesta rodada.

O método de variável fixa tem ainda outro valor: transforma o prompt em um ativo versionável. Registre a cada rodada 'prompt + conjunto de parâmetros + resultado'; quando uma versão de composição for adotada, você consegue rastrear como ela surgiu e reutilizá-la ao trocar a imagem do produto posteriormente.

Falhas típicas de um prompt longo escrito de uma vez

  • Começar a empilhar adjetivos sem尺寸 definido e, depois que a composição se estabiliza, descobrir que o formato não serve para a página de detalhes;
  • Inserir várias imagens de referência de uma vez sem indicar papéis no prompt, deixando o modelo adivinhar qual imagem é o sujeito;
  • Misturar palavras de detalhe (textura, brilho, material) com palavras de composição na mesma rodada de modificação, resultando em clareza de luz e sombra mas layout desviado;
  • Ajustar repetidamente parâmetros da camada de entrega, como output_format e safety_tolerance, durante a fase de exploração, criando ruído irrelevante.
Cristais empilhados de uma vez tendem a conflitar; ao separar as variáveis e alterar apenas um ponto por rodada, os cortes ficam gradualmente nítidos.

Primeiro defina o formato e o nível de pixels, depois o conteúdo da imagem

Problemas de composição muitas vezes não são prompts mal escritos, mas formato errado desde o início. aspect_ratio determina o formato de saída; o padrão é auto, e nesse caso o modelo julga o formato com base no prompt e nas imagens de referência. O modo automático é conveniente na fase de exploração, mas seu julgamento é instável: com o mesmo prompt, mudar levemente a ordem das palavras pode gerar uma imagem vertical ou quadrada.

Quando o produto final já está claro (banner da página inicial, imagem horizontal da página de detalhes, imagem vertical do feed mobile), você deve fixar explicitamente o aspect_ratio e parar de deixar o modelo decidir por você. Os valores disponíveis cobrem desde 21:9, 16:9, 3:2, 1:1 até 4:5, 9:16 e outros formatos horizontais, verticais e quadrados, suficientes para a maioria das posições de prateleira.

resolution é o nível de pixels; valores disponíveis: 768, 1K, 1.5K, 2K, 4K; padrão 1K. A largura e a altura específicas variam com o formato, então ele forma um par com aspect_ratio: o formato define a proporção, o nível define a nitidez. Na fase de exploração de composição, recomenda-se permanecer no nível padrão, pois nesse momento você está julgando layout e proporção, não nitidez de bordas; aumentar a resolução antecipadamente só faz cada rodada demorar mais e não torna o julgamento de composição mais preciso.

Raciocínio de correspondência entre formato e posição de negócio

  • Imagem horizontal (ex.: 16:9, 3:2): adequada para banner da página inicial e imagens de cena horizontais; o espaço em branco à esquerda e à direita do produto pode conter texto;
  • Imagem vertical (ex.: 4:5, 9:16): adequada para feed mobile e primeira dobra da página de detalhes; o produto geralmente fica mais estável centralizado e um pouco abaixo;
  • Imagem quadrada (1:1): adequada para miniaturas de prateleira e imagem principal reutilizada em vários canais.

Depois de fixar esses dois itens, altere o prompt, e você não confundirá mais 'formato errado' com 'prompt ruim'. Para verificar rapidamente a definição dos campos, consulte primeiro a descrição de parâmetros na página do modelo.

Formatos de proporções diferentes são como cortes da mesma pedra: primeiro escolha a célula, depois discuta o que colocar nela.

Descrever a composição do produto com tags e bbox

O problema de descrever composição com adjetivos é a impossibilidade de localizar. Frases como 'produto centralizado, espaço livre acima, sombra suave no canto inferior direito' são compreensíveis para o modelo, mas a granularidade da compreensão varia a cada vez. O prompt suporta o uso de <tag> e JSON bbox para especificar layout e áreas de edição local, o que oferece uma forma de expressão mais parecida com 'desenhar um esboço'.

A escrita básica é nomear as áreas-chave da imagem e depois usar bbox para descrever as posições dessas tags. As tags cuidam da semântica (isto é o produto, isto é a área de espaço livre, isto é a área de projeção), e o bbox cuida da geometria (onde está seu intervalo). Assim, a descrição de composição deixa de ser uma imaginação difusa de luz e sombra para se tornar um conjunto de definições de área legíveis, editáveis e comparáveis.

Na prática, recomenda-se contenção no número de tags: sujeito do produto, área de espaço livre para texto posterior, área de projeção/reflexo; normalmente três bastam. Quanto mais tags, mais fácil é elas se comprimirem mutuamente, e ajustar o formato pode ser mais direto do que isso.

Perguntas de autocorreção na fase de composição

  • A proporção do produto na imagem atende aos requisitos da prateleira? A imagem principal geralmente precisa ser mais preenchida; o banner precisa de mais espaço livre;
  • A posição da área de espaço livre realmente permite colocar texto, sem ser cortada pela metade pela borda do produto?
  • A direção da projeção é consistente com a descrição da fonte de luz, evitando sombras duplas?
  • As camadas do fundo interferem no sujeito? Se for necessário fundo limpo, isso deve ser declarado já nesta fase.

Antes de a composição estabilizar, não tenha pressa em adicionar palavras de detalhe de material. Palavras de detalhe fazem o modelo distribuir atenção para a superfície, o que tende a desfazer as relações de área recém-ajustadas.

A tela é dividida em blocos localizáveis: área principal do produto, área de projeção e área de texto, como facetas de uma lâmina mineral.

Distribuição de papéis para múltiplas imagens de referência: sujeito, estilo e composição

image_urls é o array de imagens de referência, com elementos sendo endereços de imagem; omitido, é geração puramente texto-imagem. O uso incorreto mais comum ao suportar múltiplas imagens é 'colocar várias sempre é seguro': foto real do produto, imagem de estilo do concorrente e referência de layout todas inseridas, enquanto o prompt só diz 'gere uma imagem de produto com base nessas imagens'. O modelo só pode distribuir responsabilidades por conta própria, e o resultado frequentemente é a imagem de estilo contaminar a forma do produto, ou a imagem de layout sobrepor-se à proporção do sujeito.

A abordagem correta é indicar no prompt o papel de cada imagem. Os papéis geralmente se dividem em três categorias: sujeito (qual imagem define a forma, estrutura e cores do produto), estilo (qual imagem serve de referência para luz, textura e atmosfera), composição (qual imagem serve de referência para layout e espaço livre). Uma imagem pode assumir vários papéis, mas isso deve ser esclarecido no texto, não se pode presumir que o modelo entenderá.

Além disso, o prompt também assume a responsabilidade de 'explicar o que precisa ser modificado e o que deve ser preservado nas imagens de referência'. Ou seja, além de declarar quem é quem, é preciso declarar o que copiar e o que alterar. Por exemplo, preservar a forma do produto, substituir o fundo, ajustar a luz; essas instruções devem corresponder item por item aos papéis específicos das imagens de referência.

Ordem de escrita da distribuição de papéis

  1. Primeiro, explique em uma frase o que a imagem final deve ter (por exemplo, a imagem principal de um produto);
  2. Declare o papel de cada imagem de referência, associando-as com tags;
  3. Escreva os itens a preservar e os itens a modificar;
  4. Por fim, acrescente descrições de atmosfera geral, como fundo e iluminação.

Há um limite para o número de imagens de referência, mas o que realmente decide o sucesso não é a quantidade, e sim se cada imagem tem responsabilidade clara. Pode-se primeiro executar a composição com uma imagem de sujeito, depois adicionar a imagem de estilo e, por fim, a imagem de layout, aumentando uma por vez e observando como o resultado muda.

Método de iteração com variável fixa: alterar apenas um ponto por rodada

Para transformar a iteração em processo, a regra central é uma só: alterar apenas um ponto por rodada. Na prática, primeiro bloqueie um conjunto de parâmetros de referência e, em cada rodada, substitua apenas um campo — ou altere uma frase do prompt, ou adicione/remova uma imagem de referência.

Recomenda-se bloquear seed, steps e pixels do formato: use um inteiro fixo para seed, fixe steps próximo do limite máximo padrão para preservar espaço para detalhes, e use os valores de aspect_ratio e resolution definidos na etapa anterior. A partir daí, reuse esse conjunto de parâmetros em cada rodada e registre os resultados como 'rodada número, o que mudou, qual foi o resultado'.

Sobre seed, tenha expectativas razoáveis: sua função é 'reproduzir o máximo possível o mesmo resultado com os mesmos parâmetros', não garantir consistência. Mesmo com parâmetros completamente inalterados, não presuma que duas saídas serão idênticas pixel a pixel; trate-o como ferramenta para reduzir flutuação aleatória, não como promessa de reprodutibilidade. Portanto, a versão do prompt e o conjunto de parâmetros devem ser registrados juntos; caso contrário, depois não será possível julgar se a diferença veio do prompt ou da aleatoriedade.

Modelo de registro de iteração por rodada

  • Número da rodada e objetivo (o que se quer verificar nesta rodada);
  • Instantâneo dos parâmetros fixos: seed, steps, aspect_ratio, resolution;
  • Única variável da rodada: qual frase do prompt ou qual imagem de referência;
  • Julgamento do resultado: atingiu o objetivo / inválido / introduziu novo problema;
  • Próximo passo: manter, reverter ou abrir outro ramo.

Quando uma rodada introduz um novo problema, a ação correta é reverter ao conjunto de parâmetros da versão anterior e alterar outro ponto, em vez de continuar empilhando correções na versão problemática. Ao trabalhar com vários ramos em paralelo, use numeração para distingui-los e evitar confusão de versões de prompt.

Ajuste de detalhes: steps, resolução e edição local

Somente depois que a composição e os papéis das imagens de referência estiverem estáveis é que se entra na fase de detalhes. Nesse momento, os campos móveis são steps, resolution e as áreas de edição local no prompt.

steps é o número de passos de difusão; padrão 16, faixa de valores 1–16. Valores menores geram mais rápido, podendo reduzir detalhes. Sua posição é o botão de velocidade versus detalhe, não o botão de nota de qualidade: ajustá-lo antes de a composição estar definida não faz sentido; depois de definida, use-o para trocar tempo de espera aceitável por texturas e bordas mais completas. Observe que ele não afeta o critério de cobrança, então o critério de escolha deve ser seu custo de espera, não o orçamento.

resolution só vale a pena ser aumentado nesta fase. O padrão 1K é suficiente para julgar composição e distribuição de papéis; quando o layout estiver finalizado e for necessário entregar um produto com mais pixels, aumente nível a nível e verifique se, em alta resolução, aparecem excesso de nitidez no material ou ruído no fundo. Aumente apenas um nível por vez para facilitar a comparação.

A edição local depende das tags e do bbox no prompt: primeiro use tags para delimitar a área a alterar, depois explique no texto o que mudar dentro da área e o que preservar fora dela. A falha comum da edição local é a borda da área não coincidir com a borda do produto, cortando um canto do produto; por isso, ao selecionar, pode-se expandir levemente e depois restringir os itens a preservar com texto.

Sugestão de ordem na fase de detalhes

  1. Primeiro use steps para encontrar o equilíbrio entre detalhe e tempo de espera;
  2. Depois use edição local para tratar defeitos pontuais, como projeção muito dura ou cores estranhas nas bordas;
  3. Por fim, aumente resolution para gerar o produto final;
  4. A cada vez, aumente apenas um nível ou altere apenas uma área, confirmando item por item.

Parâmetros da camada de entrega e solução de problemas comuns

output_format e safety_tolerance pertencem à camada de entrega. output_format tem padrão jpeg e opção png; escolha png quando precisar de fundo transparente ou processamento posterior, e jpeg é mais leve para exibição direta na loja. safety_tolerance é a tolerância de segurança de conteúdo, com valor inteiro, sendo 0 o mais rigoroso e o padrão 2. Nenhum dos dois deve ser ajustado repetidamente na fase de exploração de composição: alterá-los cedo só introduz variáveis não relacionadas à imagem; defina-os de forma unificada quando a composição estabilizar e entrar em produção em lote.

Problemas comuns e direções de investigação

  • O prompt mudou, mas a imagem não mudou: primeiro confirme se apenas esse ponto foi alterado nesta rodada e depois verifique se a mudança está no nível que o modelo considera (palavras de composição alteradas na fase de detalhes costumam ser ineficazes);
  • A imagem de referência foi ignorada: verifique se o prompt declarou um papel claro para essa imagem e se especificou itens a preservar e a modificar;
  • Múltiplas imagens interferem entre si: reduza o número de imagens de referência, adicionando uma a uma na ordem sujeito, estilo e composição, para localizar qual está causando problema;
  • Falha de reprodução: seed só reproduz o máximo possível; confirme se o conjunto de parâmetros e a versão do prompt são exatamente iguais e aceite que ainda haverá flutuação;
  • Formato diferente do esperado: confirme se aspect_ratio ainda está em auto; fixe-o explicitamente antes de julgar a composição;
  • Geração mais lenta: verifique se resolution ou steps foram aumentados cedo demais; volte ao nível da fase de exploração para validar.

Revisar de uma vez a definição dos campos acima antes de executar a próxima rodada geralmente economiza muitas tentativas inválidas. Para detalhes dos campos, consulte a página do modelo flux-3-image-klein.

Fases, variáveis fixas e registro rodada a rodada: o valor desse processo não está em tornar o modelo mais inteligente, mas em tornar cada uma de suas alterações explicável. Trate o prompt e o conjunto de parâmetros como código que precisa de controle de versão, e a produção de visuais de produto deixará de ser tentativa e erro para se tornar engenharia reproduzível.

Artigos relacionados

Ver todos os artigos →

Comece a criar com artefactos de IA persistentes

Obtenha a sua chave de API e chame modelos de imagem, vídeo e áudio através de uma única API baseada em tasks.

Ler a documentação da API