Back to Skills

ornament-style-mono

pjt222
Updated Yesterday
5 views
17
2
17
View on GitHub
Metaaidesign

About

This skill generates monochrome ornamental patterns based on Alexander Speltz's taxonomy. It creates line drawings, silhouettes, and decorative borders for specific historical periods using generative AI via Z-Image. Use it to explore historical ornament styles or produce reference images for design and educational materials.

Quick Install

Claude Code

Recommended
Primary
npx skills add pjt222/agent-almanac -a claude-code
Plugin CommandAlternative
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternative
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/ornament-style-mono

Copy and paste this command in Claude Code to install this skill

Documentation


name: ornament-style-mono description: > Monochrome Ornamentmuster auf Basis der klassischen Ornamenttaxonomie von Alexander Speltz entwerfen. Umfasst historische Periodenauswahl, strukturelle Motivanalyse, Prompt-Konstruktion fuer Strichzeichnungen und Silhouetten-Rendering sowie KI-gestuetzte Bildgenerierung ueber Z-Image. Verwenden, wenn dekorative Raender, Medaillons oder Friese in einer Farbe erstellt, historische Ornamentstile durch generative KI erkundet, Strichzeichnungen oder Federzeichnungen klassischer Motive erzeugt oder Referenzbilder fuer Design- oder Lehrmaterialien generiert werden sollen. license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: design complexity: intermediate language: natural tags: design, ornament, monochrome, art-history, speltz, generative-ai, z-image locale: de source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16

Ornamentstil — Monochrom

Monochrome Ornamentmuster durch die Verbindung kunsthistorischen Wissens ueber klassische Ornamentik mit KI-gestuetzter Bildgenerierung entwerfen. Jedes Design ist in einer spezifischen historischen Periode und Motivtradition aus Alexander Speltz' The Styles of Ornament (1904) verankert.

Wann verwenden

  • Dekorative Raender, Medaillons, Friese oder Paneele in einer Farbe erstellen
  • Historische Ornamentstile durch generative KI erkunden
  • Strichzeichnungen, Silhouetten, Holzschnitte oder Federzeichnungen klassischer Motive erzeugen
  • Referenzbilder fuer Design, Illustration oder Lehrmaterialien generieren
  • Die strukturelle Grammatik von Ornamenttraditionen ueber Kulturen und Epochen studieren

Eingaben

  • Erforderlich: Gewuenschte historische Periode oder Stil (oder "ueberrasche mich" fuer zufaellige Auswahl)
  • Erforderlich: Anwendungskontext (Rand, Medaillon, Fries, Paneel, Kachel, eigenstaendiges Motiv)
  • Optional: Spezifische Motivpraeferenz (Akanthus, Palmette, Maeander, Arabeske usw.)
  • Optional: Rendering-Stil-Praeferenz (Strichzeichnung, Silhouette, Holzschnitt, Federzeichnung, Kupferstich)
  • Optional: Zielaufloesung und Seitenverhaeltnis
  • Optional: Seed-Wert fuer reproduzierbare Generierung

Vorgehensweise

Schritt 1: Historische Periode waehlen

Eine Periode aus der klassischen Ornamenttaxonomie waehlen. Jede Periode hat charakteristische Motive und strukturelle Prinzipien.

Historical Ornament Periods:
┌───────────────────┬─────────────────┬──────────────────────────────────────────┬──────────────────────┐
│ Period            │ Date Range      │ Key Motifs                               │ Mono Suitability     │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Egyptian          │ 3100–332 BCE    │ Lotus, papyrus, scarab, winged disk,     │ Excellent — bold     │
│                   │                 │ uraeus, ankh                             │ geometric forms      │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Greek             │ 800–31 BCE      │ Meander/Greek key, palmette, anthemion,  │ Excellent — high     │
│                   │                 │ acanthus, guilloche, egg-and-dart        │ contrast geometry    │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Roman             │ 509 BCE–476 CE  │ Acanthus scroll, rosette, grotesque,     │ Very good — dense    │
│                   │                 │ candelabra, rinceau, trophy              │ carved relief style  │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Byzantine         │ 330–1453 CE     │ Interlace, vine scroll, cross forms,     │ Good — flat          │
│                   │                 │ basket weave, peacock, chi-rho           │ silhouette style     │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Islamic           │ 7th–17th c.     │ Arabesque, geometric star, muqarnas,     │ Excellent — pure     │
│                   │                 │ tessellation, knotwork, calligraphic     │ geometric abstraction│
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Romanesque        │ 1000–1200 CE    │ Interlace, beast chains, chevron,        │ Very good — heavy    │
│                   │                 │ billet, zigzag, inhabited scroll         │ carved stone quality │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Gothic            │ 1150–1500 CE    │ Trefoil, quatrefoil, crocket,           │ Very good — tracery  │
│                   │                 │ finial, tracery, naturalistic leaf       │ and window patterns  │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Renaissance       │ 1400–1600 CE    │ Grotesque, candelabra, putto,           │ Good — engraving     │
│                   │                 │ medallion, festoon, cartouche           │ and woodcut styles   │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Baroque/Rococo    │ 1600–1780 CE    │ C-scroll, S-scroll, shell, asymmetric   │ Moderate — complex   │
│                   │                 │ cartouche, garland, ribbon              │ forms benefit from   │
│                   │                 │                                          │ color for depth      │
├───────────────────┼─────────────────┼──────────────────────────────────────────┼──────────────────────┤
│ Art Nouveau       │ 1890–1910 CE    │ Whiplash curve, organic line, lily,     │ Excellent — defined  │
│                   │                 │ dragonfly, femme-fleur, sinuous vine    │ by line quality      │
└───────────────────┴─────────────────┴──────────────────────────────────────────┴──────────────────────┘
  1. Wenn der Benutzer eine Periode angegeben hat, bestaetigen und die charakteristischen Motive notieren
  2. Bei "ueberrasche mich" zufaellig auswaehlen — Perioden mit "Excellent" Mono-Eignung bevorzugen
  3. 2-3 primaere Motive der Periode fuer die Prompt-Konstruktion notieren

Erwartet: Eine klar identifizierte Periode mit 2-3 Kandidatenmotiven und Verstaendnis dafuer, warum das Ornament der Periode in Monochrom gut funktioniert (oder Herausforderungen birgt).

Bei Fehler: Wenn der Benutzer eine Periode anfragt, die nicht in der Tabelle steht (z.B. keltisch, aztekisch, Art Deco), deren ornamentales Vokabular mit WebSearch oder WebFetch recherchieren und einen aequivalenten Eintrag mit Motivliste und Mono-Eignungsbewertung erstellen, bevor fortgefahren wird.

Schritt 2: Motivstruktur analysieren

Die strukturelle Grammatik des gewaehlten Motivs vor der Prompt-Konstruktion verstehen.

  1. Den Symmetrietyp identifizieren:

    • Bilateral (Spiegelung an einer Achse — die meisten organischen Motive)
    • Radial (rotierend — Rosetten, Medaillons, Sternmuster)
    • Translational (wiederholende Einheit — Friese, Raender, Tessellationen)
    • Punkt (zentraler Fokus nach aussen strahlend — Kompassen, Mandalas)
  2. Das geometrische Geruest identifizieren:

    • Kreisbasiert (Rosetten, Medaillons, Rundungen)
    • Rechteckbasiert (Paneele, Metopen, Kartuschen)
    • Dreiecksbasiert (Giebelfelder, Zwickel)
    • Bandbasiert (Friese, Raender, laufendes Ornament)
  3. Das Fuellmuster identifizieren:

    • Massiv (Silhouette, kein inneres Detail)
    • Linienfuellung (Schraffur, Kreuzschraffur, Parallellinien)
    • Offen (nur Umriss, negativer Raum dominant)
    • Gemischt (Umriss mit selektivem inneren Detail)
  4. Die Kantenbehandlung identifizieren:

    • Klare Begrenzung (innerhalb eines Rahmens eingeschlossen)
    • Organisches Auslaufen (Motiv erstreckt sich ueber den Rand oder loest sich auf)
    • Verzahnung (verbindet sich mit benachbarten Einheiten — fuer wiederholende Muster)

Erwartet: Eine strukturelle Beschreibung wie "bilaterale Symmetrie, bandbasiertes Geruest, Linienfuellung, verzahnte Raender", die den Prompt informiert.

Bei Fehler: Wenn die Motivstruktur unklar ist, visuelle Referenzen mit WebSearch nach "[Periode] [Motiv] ornament" suchen und die ersten Ergebnisse analysieren. Die Originalplatten von Speltz sind gemeinfrei und online weit verbreitet.

Schritt 3: Monochrom-Prompt konstruieren

Den Text-Prompt fuer die Z-Image-Generierung aus Periode, Motiv und Strukturanalyse aufbauen.

Prompt-Vorlage:

[Rendering style] of [motif name] ornament in the [period] style,
[composition type], monochrome, black and white,
[structural details from Step 2],
[application context], [additional qualifiers]

Rendering-Stil-Optionen:

  • detailed line art — saubere vektorartige Linien, keine Fuellungen
  • black silhouette — massive schwarze Formen auf weissem Grund
  • woodcut print — kraeftige geschnitzte Linien mit Holzmaserungstextur
  • pen-and-ink illustration — feine Linien mit Schraffur fuer Tiefe
  • copperplate engraving — praezise Parallellinien, die Tonabstufungen erzeugen
  • stencil design — verbundener negativer Raum, keine schwebenden Inseln

Erwartet: Ein Prompt von 20-40 Woertern, der Rendering-Stil, Motiv, Periode, Komposition und Monochrom-Einschraenkung spezifiziert.

Bei Fehler: Wenn der Prompt zu vage ist, strukturelle Details aus Schritt 2 hinzufuegen. Wenn zu komplex (ueber 50 Woerter), durch Entfernen von Adjektiven vereinfachen und nur die strukturellen Grundlagen beibehalten. Z-Image reagiert am besten auf klare, spezifische Prompts — abstrakte oder konzeptuelle Sprache vermeiden.

Schritt 4: Generierungsparameter konfigurieren

Aufloesung und Generierungsparameter passend zum Anwendungskontext waehlen.

Resolution by Application:
┌────────────────────┬─────────────────────┬────────────────────────────────┐
│ Application        │ Recommended         │ Rationale                      │
├────────────────────┼─────────────────────┼────────────────────────────────┤
│ Medallion / Roundel│ 1024x1024 (1:1)     │ Radial symmetry needs square   │
│ Tile / Repeat Unit │ 1024x1024 (1:1)     │ Square for seamless tiling     │
│ Horizontal Frieze  │ 1280x720 (16:9)     │ Wide format for running border │
│ Vertical Panel     │ 720x1280 (9:16)     │ Portrait format for columns    │
│ Wide Border        │ 1344x576 (21:9)     │ Ultrawide for architectural    │
│ General / Flexible │ 1152x896 (9:7)      │ Balanced landscape format      │
│ Large Detail       │ 1536x1536 (1:1)     │ Higher res for fine line work  │
└────────────────────┴─────────────────────┴────────────────────────────────┘
  1. Aufloesung basierend auf Anwendungskontext waehlen
  2. steps auf 8 (Standard) fuer initiale Generierung setzen; auf 10-12 erhoehen fuer feine Liniendetails
  3. shift auf 3 (Standard) setzen, es sei denn, es wird experimentiert
  4. random_seed: true fuer Erkundung oder random_seed: false mit spezifischem Seed fuer Reproduzierbarkeit waehlen
  5. Alle Parameter zur Dokumentation festhalten

Erwartet: Ein vollstaendiger Parametersatz fuer die Generierung: Aufloesung, Steps, Shift, Seed-Strategie.

Bei Fehler: Im Zweifelsfall auf 1024x1024 (1:1) zurueckgreifen — dies funktioniert fuer die meisten Ornamentkontexte und ist am schnellsten zu generieren.

Schritt 5: Bild generieren

Das Z-Image-MCP-Tool aufrufen, um das Ornament zu erzeugen.

  1. mcp__hf-mcp-server__gr1_z_image_turbo_generate aufrufen mit den Parametern aus Schritt 3 und 4
  2. Den zurueckgegebenen Seed-Wert fuer Reproduzierbarkeit festhalten
  3. Die Generierungszeit notieren

Erwartet: Ein generiertes Bild und ein Seed-Wert. Das Bild sollte erkennbare ornamentale Formen in Monochrom zeigen.

Bei Fehler: Wenn das MCP-Tool nicht verfuegbar ist, pruefen, ob hf-mcp-server konfiguriert ist (siehe configure-mcp-server oder troubleshoot-mcp-connection). Wenn das generierte Bild vollstaendig abstrakt ohne ornamentalen Charakter ist, benoetigt der Prompt spezifischere strukturelle Sprache — zu Schritt 3 zurueckkehren.

Schritt 6: Gegen Stilkriterien bewerten

Das generierte Bild anhand von vier Kriterien bewerten: Symmetrie, Monochrom-Treue, Periodengenauigkeit und Detailgrad.

  1. Jedes Kriterium bewerten: Stark (klar erfuellt), Ausreichend (teilweise erfuellt), Schwach (nicht erfuellt)
  2. Spezifische Beobachtungen fuer jedes Kriterium notieren
  3. Wenn 3+ Kriterien als Stark bewertet werden, ist das Design erfolgreich
  4. Wenn 2+ Kriterien als Schwach bewertet werden, zu Schritt 3 fuer Prompt-Verfeinerung zurueckkehren

Erwartet: Eine bewertete Evaluation mit spezifischen Beobachtungen. Die meisten Erstgenerierungsbilder werden bei 2-3 Kriterien als Ausreichend bewertet.

Bei Fehler: Wenn alle Kriterien als Schwach bewertet werden, ist der Prompt moeglicherweise zu abstrakt oder zu komplex. Auf die wesentlichsten Elemente vereinfachen: ein Motiv, ein Rendering-Stil, explizite "monochrome black and white"-Einschraenkung.

Schritt 7: Iterieren oder finalisieren

Das Design durch gezielte Iteration verfeinern oder das Ergebnis akzeptieren.

Iterationsstrategien:

  1. Seed-fixierte Verfeinerung: Gleichen Seed beibehalten, Prompt leicht anpassen
  2. Zufaellige Erkundung: random_seed: true mit demselben Prompt verwenden
  3. Prompt-Evolution: Spezifische Elemente modifizieren (Rendering-Stil aendern, Motivdetails hinzufuegen/entfernen)

Iterationsbudget: Auf 3 Iterationen pro Designkonzept begrenzen.

Erwartet: Ein verbessertes Bild nach 1-2 Iterationen oder eine Entscheidung, das aktuelle beste Ergebnis zu akzeptieren.

Bei Fehler: Wenn die Iteration die Ergebnisse nicht verbessert, ist das grundlegende Prompt-Konzept moeglicherweise nicht gut fuer das Modell geeignet. Ein anderes Motiv aus derselben Periode versuchen oder den Rendering-Stil komplett wechseln.

Schritt 8: Design dokumentieren

Eine vollstaendige Aufzeichnung des endgueltigen Designs fuer Reproduzierbarkeit und Referenz erstellen, einschliesslich Periode, Motiv, Rendering-Stil, endgueltiger Prompt, Seed, Aufloesung, Steps/Shift, Bewertung und Iterationen.

Erwartet: Eine reproduzierbare Aufzeichnung, die die exakte Neugenerierung des Bildes ermoeglicht.

Bei Fehler: Wenn die Dokumentation uebertrieben erscheint, mindestens den endgueltigen Prompt und Seed festhalten — diese beiden Werte genuegen, um das Bild zu reproduzieren.

Validierung

  • Eine spezifische historische Periode wurde mit Begruendung ausgewaehlt
  • Motivstruktur wurde analysiert (Symmetrie, Geruest, Fuellung, Kantenbehandlung)
  • Prompt enthaelt explizite Monochrom-Einschraenkung
  • Prompt spezifiziert einen Rendering-Stil
  • Aufloesung passt zum Anwendungskontext
  • Generiertes Bild wurde anhand der 4-Punkte-Rubrik bewertet
  • Seed-Wert wurde fuer Reproduzierbarkeit festgehalten
  • Endgueltiges Design ist mit Prompt, Seed und Parametern dokumentiert

Haeufige Fehler

  • Monochrom-Einschraenkung weglassen: Z-Image generiert standardmaessig Farbe. Ohne explizites "monochrome, black and white" im Prompt erhaelt man Farbausgabe
  • Prompt ueberspezifizieren: Prompts ueber 50 Woerter erzeugen verwirrte Ergebnisse. Bei einem Motiv, einem Rendering-Stil, einer Komposition bleiben
  • Periodengrammatik ignorieren: Jede Periode hat strukturelle Regeln. Gotische Dreiblaetter in aegyptischen Rahmen erzeugen visuelle Inkohaerenz
  • Vektorausgabe erwarten: Z-Image erzeugt Rasterbilder. Fuer echte Vektorzeichnungen dient das generierte Bild als Referenz fuer manuelles Nachzeichnen
  • Strukturanalyse ueberspringen: Ohne Motivstrukturanalyse von der Periodenauswahl direkt zum Prompt zu springen, erzeugt generische Ergebnisse

Verwandte Skills

  • ornament-style-color — der polychrome Begleiter; fuegt Farbpalettendefinition und Farb-Struktur-Zuordnung hinzu
  • meditate — fokussierte Aufmerksamkeit und visuelle Vorstellungsuebungen koennen die ornamentale Komposition informieren
  • review-web-design — Designreview-Prinzipien (visuelle Hierarchie, Rhythmus, Balance) gelten direkt fuer ornamentale Komposition

GitHub Repository

pjt222/agent-almanac
Path: i18n/de/skills/ornament-style-mono
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Related Skills

content-collections

Meta

This skill provides a production-tested setup for Content Collections, a TypeScript-first tool that transforms Markdown/MDX files into type-safe data collections with Zod validation. Use it when building blogs, documentation sites, or content-heavy Vite + React applications to ensure type safety and automatic content validation. It covers everything from Vite plugin configuration and MDX compilation to deployment optimization and schema validation.

View skill

polymarket

Meta

This skill enables developers to build applications with the Polymarket prediction markets platform, including API integration for trading and market data. It also provides real-time data streaming via WebSocket to monitor live trades and market activity. Use it for implementing trading strategies or creating tools that process live market updates.

View skill

creating-opencode-plugins

Meta

This skill helps developers create OpenCode plugins that hook into 25+ event types like commands, files, and LSP operations. It provides the plugin structure, event API specifications, and implementation patterns for JavaScript/TypeScript modules. Use it when you need to intercept, monitor, or extend the OpenCode AI assistant's lifecycle with custom event-driven logic.

View skill

sglang

Meta

SGLang is a high-performance LLM serving framework that specializes in fast, structured generation for JSON, regex, and agentic workflows using its RadixAttention prefix caching. It delivers significantly faster inference, especially for tasks with repeated prefixes, making it ideal for complex, structured outputs and multi-turn conversations. Choose SGLang over alternatives like vLLM when you need constrained decoding or are building applications with extensive prefix sharing.

View skill