Nano Banana Pro 这类图像生成模型真正落地时，通常不会只停留在“输入一句提示词，拿到一张图片”这个层面。更常见的做法是把模型放进一个完整工作流里：有人负责收集提示词案例，有人把它做成图文生产工具，也有人把它封装成面向普通用户的图片应用。
这 3 个开源项目代表了 Nano Banana Pro 生态里比较典型的三种方向：
| 项目 | 定位 | 解决的问题 | 适合人群 |
|---|---|---|---|
| Awesome Nano Banana Pro | 提示词和案例资源库 | 快速找到可复用的提示词、效果案例和教程 | AI 绘画用户、提示词工程师、模型探索者 |
| RedInk | 小红书 AI 图文生成工具 | 用一句主题生成封面、大纲和多页图文内容 | 自媒体创作者、营销人员、内容运营 |
| SelfieAt | 自拍场景迁移应用 | 上传自拍并指定地点，生成“人在目标地点”的图片 | AI 应用开发者、图片玩法产品开发者 |
从技术形态上看，它们也刚好覆盖了三类常见 AI 应用：
flowchart LR
A[Nano Banana Pro] --> B[提示词案例库]
A --> C[内容生产工具]
A --> D[面向用户的图片应用]
B --> B1[沉淀 prompt 和效果样例]
C --> C1[LLM 规划内容]
C --> C2[图像模型生成页面]
D --> D1[前端采集图片]
D --> D2[后端代理调用模型]
Awesome Nano Banana Pro：把提示词和效果沉淀成知识库
Awesome Nano Banana Pro 是一个围绕 Nano Banana Pro 的精选资源列表，项目 Star 数约 2800。它的价值不在于提供一个可运行的应用，而是把大量提示词、生成案例和教程整理到一起，让用户能快速找到可参考的输入方式。
图像模型的调试成本主要在提示词上。即使模型能力很强，如果不知道如何描述风格、对象、构图、材质和场景，生成结果也会不稳定。资源库的作用就是把已经验证过的案例沉淀下来，减少从零试错的时间。
它覆盖的内容比较广，包括：
| 方向 | 可以解决的问题 |
|---|---|
| 写实摄影 | 生成接近真实拍摄质感的人像、产品图、场景图 |
| 创意实验 | 测试递归图像、夸张表情、幻想场景等模型边界 |
| 电商虚拟摄影 | 为商品生成背景、灯光、摆拍和营销素材 |
| 室内设计 | 根据房间、风格和布局描述生成设计参考图 |
| 社交媒体素材 | 生成封面、卡片、海报、图文内容配图 |
资源库里的案例通常包含输入图、生成图和提示词参数。对学习 Nano Banana Pro 来说，最重要的不是照搬某个案例，而是拆解提示词结构。
一个可复用的图像提示词通常可以拆成几层：
主体对象 + 场景环境 + 风格/材质 + 构图要求 + 细节约束 + 输出用途
例如资源库里的几个提示词方向，可以整理成这样的模式：
| 玩法 | 提示词关注点 | 可复用思路 |
|---|---|---|
| 白板艺术画 | 指定画面媒介，例如玻璃白板、绿色马克笔、轻微褪色 | 通过“绘制材质”控制生成图的质感 |
| 添加眼睛和手 | 给对象添加夸张卡通元素和喜剧姿势 | 用少量元素改变原图风格，适合表情包、拟人化物品 |
| 年龄变化 | 指定同一个人在不同年龄段的假日照片 | 保持人物身份一致，同时改变年龄特征 |
| 递归图片 | 让图片中嵌套同一场景，例如猫拿着 iPad，iPad 里还是同一画面 | 测试模型对递归结构和局部内容的理解 |
| 地理坐标图片 | 直接输入经纬度和时间 | 让模型把地理位置、时间、城市景观联系起来 |
| 图解词汇漫画 | 给场景中的对象加英文、音标和中文标签 | 适合语言学习类图片、知识卡片和儿童教育内容 |
开源地址：
https://github.com/ZeroLu/awesome-nanobanana-pro
如果目标是学习 Nano Banana Pro 的提示词写法，Awesome Nano Banana Pro 更像一本案例手册。它不负责自动化生产内容，但可以作为其他 AI 图像应用的提示词来源。
RedInk：一句话生成小红书多页图文
RedInk 是一个面向小红书创作者的 AI 图文生成工具，项目 Star 数约 1900。它的核心能力可以概括为：输入一个主题或一句需求，再提供参考图片，系统生成一套完整的小红书图文内容，包括封面、大纲和正文页面。
它适合这类任务：
- 根据主题生成多页图文笔记；
- 参考用户主页、历史图片或品牌风格生成统一视觉；
- 在生成图片前调整大纲、页面顺序和单页内容；
- 批量生成最多 25 页的图文素材。
RedInk 的输入阶段主要收集主题、参考图和风格要求。比如用户可以输入“秋季显白美甲”，再上传自己的小红书主页截图，让生成结果尽量贴近已有账号风格。
输入页的关键不是复杂参数，而是把创作需求收敛成几个核心字段：主题决定内容方向，参考图决定视觉风格，补充说明负责约束语气、版式或人群。这样可以降低普通创作者使用 AI 的门槛，不需要直接编写很长的图像提示词。
生成任务不会立刻跳到出图。RedInk 会先产出每一页的大纲，让用户在正式生成图片前调整内容结构。
这个设计很重要。多页图文如果直接一次性生成，用户发现第 3 页逻辑不对、第 5 页文字太多，就只能重新生成，成本和等待时间都会增加。先生成大纲，再允许用户编辑页面顺序和内容，可以把错误拦在出图之前。
RedInk 的工作流可以理解成两个阶段：先让大语言模型规划内容，再让图像模型生成页面。
sequenceDiagram
participant U as 用户
participant FE as Vue 前端
participant API as Flask 后端
participant LLM as Gemini 3
participant IMG as Nano Banana Pro
U->>FE: 输入主题并上传参考图
FE->>API: 提交创作请求
API->>LLM: 生成封面标题和多页大纲
LLM-->>API: 返回页面结构
API-->>FE: 返回可编辑大纲
U->>FE: 调整顺序和单页内容
FE->>API: 提交最终页面配置
API->>IMG: 并发生成封面和正文页面
IMG-->>API: 返回图片结果
API-->>FE: 展示完整图文
技术栈分为前后端两部分：
| 层级 | 技术 |
|---|---|
| 后端 | Python 3.11+、Flask |
| 文案生成 | Google Gemini 3 |
| 图片生成 | Nano Banana Pro |
| 前端 | Vue 3、TypeScript、Vite |
| 状态管理 | Pinia |
| 部署 | 支持 Docker |
整体架构可以抽象成这样：
flowchart LR
A[用户输入主题和参考图] --> B[Vue 3 前端]
B --> C[Flask API]
C --> D[Gemini 3 生成文案和大纲]
D --> C
C --> E[Nano Banana Pro 生成图片]
E --> C
C --> F[返回封面和多页正文]
F --> B
这种架构的好处是职责清晰：前端负责交互和编辑，后端负责模型调用和任务编排，Gemini 负责文字规划，Nano Banana Pro 负责视觉生成。对内容生产工具来说，这种“先规划，再生成”的流程通常比“一步到位”更容易控制质量。
开源地址：
https://github.com/HisMax/RedInk
SelfieAt：上传自拍，把人放进指定地点
SelfieAt 是一个基于 Nano Banana Pro 的自拍场景迁移应用。用户上传一张自拍，或者直接通过摄像头拍摄，再输入世界上的任意地点，系统会生成一张用户自然出现在目标场景中的图片。
它解决的是一个非常具体的图片生成需求：保留人物身份特征，同时替换环境。
这个界面体现了 SelfieAt 的主要交互方式：用户提供自拍作为身份参考，再输入地点作为场景约束，应用负责把这两个输入组合成最终图片。它还支持同时生成多个地点变体，并为结果增加动效展示和水印处理。
从技术上看，SelfieAt 更接近一个完整的 Web AI 应用，而不是单纯的模型调用示例。它包含前端界面、后端代理和模型服务调用。
| 模块 | 技术 |
|---|---|
| 前端框架 | React 19 |
| 开发语言 | TypeScript |
| 构建工具 | Vite 7 |
| 样式方案 | Tailwind CSS 4 |
| 后端代理 | Express |
| 模型调用 | @fal-ai/client |
| 图像能力 | Nano Banana Pro |
调用流程可以这样理解：
sequenceDiagram
participant U as 用户
participant Web as React 前端
participant Server as Express API 代理
participant Fal as fal.ai Client
participant Model as Nano Banana Pro
U->>Web: 上传自拍或使用摄像头拍摄
U->>Web: 输入目标地点
Web->>Server: 提交图片和地点提示
Server->>Fal: 使用服务端密钥调用模型
Fal->>Model: 发送生成请求
Model-->>Fal: 返回生成结果
Fal-->>Server: 返回图片数据
Server-->>Web: 返回结果图片
Web-->>U: 展示图片、动效和水印
Express 代理在这里很关键。浏览器端不能直接暴露模型服务密钥，否则任何打开网页的人都可能拿到密钥并滥用接口。把模型调用放在后端代理里，可以把密钥留在服务端，同时由后端统一处理请求参数、错误重试、限流和结果返回。
SelfieAt 适合用来学习两类能力：
-
图片应用的前端交互
包括上传图片、摄像头输入、生成状态展示、多结果预览、动效和水印。 -
AI 服务的安全调用方式
模型密钥放在服务端，由 Express 代理转发请求，前端只和自己的 API 通信。
开源地址：
https://github.com/amrrs/selfieat-nanobanana-pro
三个项目分别适合什么场景
这 3 个项目不是同一种工具，选择时要看目标是学习提示词、生产内容，还是开发应用。
| 需求 | 更适合的项目 | 原因 |
|---|---|---|
| 想学习 Nano Banana Pro 的提示词写法 | Awesome Nano Banana Pro | 案例多，能直接对照提示词和生成效果 |
| 想快速制作小红书多页图文 | RedInk | 已经把选题、大纲、封面、正文页串成完整流程 |
| 想开发自拍换场景类 AI 应用 | SelfieAt | 前端、后端代理、模型调用链路都比较完整 |
| 想研究 LLM + 图像模型协作 | RedInk | Gemini 负责内容规划，Nano Banana Pro 负责出图 |
| 想研究浏览器端图片上传和服务端安全代理 | SelfieAt | React 前端配合 Express API 代理，适合参考工程结构 |
| 想找电商、设计、社媒素材 prompt | Awesome Nano Banana Pro | 资源库覆盖的图片场景更广 |
也可以把它们组合起来使用：
flowchart LR
A[Awesome Nano Banana Pro] -->|沉淀提示词模式| B[RedInk]
A -->|参考场景提示| C[SelfieAt]
B -->|内容生产工作流| D[社交媒体图文]
C -->|场景迁移能力| E[个性化图片应用]
Awesome Nano Banana Pro 提供提示词灵感，RedInk 展示了图文内容生产流程，SelfieAt 展示了用户上传图片后如何接入模型生成结果。对开发者来说，它们对应的不是三个孤立项目，而是 AI 图像应用从案例积累到产品化封装的三种层级。
使用这类项目时需要注意的几个问题
1. 先编辑大纲，再生成图片
图像生成通常比文本生成更慢，也更消耗额度。像 RedInk 这种多页图文工具，先生成大纲、允许用户修改，再并发生成页面，是更稳妥的设计。否则一旦文案结构错了，后面的图片也会一起浪费。
2. API 密钥不要放进前端
SelfieAt 使用 Express 作为 API 代理，这个设计很适合参考。只要项目需要调用付费模型服务，就应该把密钥放在服务端，通过后端接口转发请求。前端可以提交图片、提示词和地点，但不应该知道真实的模型服务密钥。
3. 参考图会影响隐私边界
RedInk 支持上传主页截图来保持风格，SelfieAt 支持上传自拍。只要涉及用户图片，就要考虑存储、传输和删除策略。即使是个人部署，也不建议长期保留用户上传的原始图片。
4. 多图并发要控制成本
RedInk 支持最多 25 页并发生成，SelfieAt 支持多个地点变体。并发能减少等待时间，但也会让模型调用量快速增加。实际部署时可以增加队列、限流或单用户生成上限，避免一次请求占满资源。
5. 提示词库不是最终产品，但能显著降低试错成本
Awesome Nano Banana Pro 这类资源库适合放在工作流前面，用来建立提示词模板。真正做产品时，还需要把提示词包装成表单、参数和可控选项，让普通用户不必直接面对复杂 prompt。