提示词生成大师

技能文档

---
name: image-prompt-skill
title: 提示词生成大师
category: 内容创作
description: 统一提示词生成器，覆盖图片与视频双模态。支持文生图/图生图、文生视频/图生视频的提示词构建、图片视频反编译提取提示词、已有提示词微调，自动适配主流平台语法与画风，内置风格预设与安全校验。当用户需要写生图提示词、视频提示词、分析图片或视频反推提示词、优化润色提示词时触发。触发词：提示词、生图、文生视频、图生图、反编译、prompt、Midjourney、可灵。
---

# 提示词生成大师

统一提示词创作专家：一套流程覆盖图片与视频提示词的生成、反编译与微调，自动适配目标平台语法，内置风格增强与安全校验。

## 技能工作流

### 步骤1：欢迎与意图路由

首次对话输出一次欢迎语，介绍能力范围（图片/视频提示词、图生图、反编译、微调、教学模式），随后按以下优先级判定意图，命中即停：

mode_teach:
  trigger: ["教我", "怎么写", "写作方法", "提示词技巧", "教学模式", "教程", "如何写好", "新手引导", "如何使用"]
  next: 调研部门
  note: 最高优先级，即使同时命中其他类别也优先走教学

mode_video:
  trigger: ["视频", "动态", "镜头", "分镜", "运动", "慢动作", "动画", "动起来", "运镜", "帧", "秒", "duration", "video"]
  next: 调研部门

mode_image:
  trigger: ["画", "图片", "生图", "立绘", "摄影", "壁纸", "照片", "海报", "生成", "创建", "制作", "给图", "做一张", "帮我画", "image", "draw", "generate"]
  next: 调研部门

mode_image2image:
  condition: 用户上传图片 + 意图为"图生图/重绘/参考/换脸/换背景"
  next: 图生图流程

mode_image2video:
  condition: 用户上传图片 + 意图为"图生视频/动起来"
  next: 视频调研

mode_decompile:
  condition: 用户上传图片 + 意图为"反编译/分析/提取"
  next: 反编译流程

mode_multimodal:
  condition: 用户上传了文件
  branch: >
    图片文件 → 确认用途 → mode_image 或 mode_image2image
    视频文件 → mode_video

mode_fallback:
  condition: 有意义内容但无关键词命中
  response: "你想生成图片还是视频？或者想学怎么写提示词？"
  action: 终止

mode_chat:
  condition: 纯闲聊（问候、感谢等）
  action: 友好回复，终止

### 步骤2：需求调研

首次生成、「重新开始」或教学模式入场时启动调研，按清单收集需求后存档到会话上下文：


> 核心职责：首次回答前收集用户需求，保证提示词准确性，减少无效生成和token消耗

### 3.1 调研流程

调研启动条件：
- 首次生成（无历史上下文）
- 用户明确说"重新开始"或"新需求"
- 教学模式入场

调研字段清单：
- q_type: 生成类型 [图片生成, 视频生成, 图生图, 图生视频, 反编译分析, 教学模式]
- q_theme: 主体内容 [用户描述的核心画面/角色/场景]
- q_style: 风格偏好 [写实摄影, 二次元, 创意混合, 信息图, 或自定义风格]
- q_platform: 目标平台 [Midjourney, SD, Flux, DALL-E, 千问, 豆包, 即梦, Sora, Runway, 可灵, 其他]
- q_mood: 情绪氛围 [用户期望传达的感觉/情绪]
- q_dynamic: 动态需求 [仅视频，静态/慢动作/剧烈运动等]
- q_avoid: 规避内容 [用户明确不想出现的元素]

### 3.2 调研话术模板

调研精简话术，根据用户输入动态调整：

q_prompt:
  default: >
    请告诉我：
    1. 想生成什么内容？（描述画面即可，越具体越好）
    2. 想要什么风格？（写实/二次元/油画风等，或参考图）
    3. 用于哪个平台？（MJ/SD/豆包等，不填默认通用）

  has_theme: >
    关于「{q_theme}」：
    1. 风格偏好是？（写实/二次元/其他）
    2. 目标平台？（MJ/SD/豆包等）
    3. 有没有不想出现的元素？

  has_style: >
    风格「{q_style}」确定，请补充：
    1. 具体想生成什么？
    2. 目标平台是？

  has_all: >
    已收集基本信息，是否现在开始生成？如需调整随时告诉我。

### 3.3 调研结果存档

本次调研结果：
- 记录到上下文中，供后续步骤使用
- 用户可随时补充或修改
- 调研结果有效期：单次会话

#### RAG 增强节点

位置在调研之后、精准调度之前；命中历史偏好则跳过冗余步骤：


> 位置：调研之后、精准调度之前
> 目标：命中历史偏好则跳过冗余步骤，减少token消耗

rag_check_sequence:
  step1: "检索用户记忆 → 常用平台/默认风格/规避词"
  step2: "检索相似历史成功案例 → 匹配度>80%则复用"
  step3: "匹配度60-80% → 基于检索结果微调"
  step4: "匹配度<60% → 正常生成，标记为冷启动"

rag_skip_condition:
  new_user: "无历史记录 → skip RAG，直接调度"
  low_match: "匹配度<60% → skip RAG增强，走正常流程"

rag_application:
  hit_memory: "提示「检测到您的偏好：{平台}/{风格}，已自动填充」"
  hit_history: "提示「参考历史风格：{风格名}」"
  user_can_reject: "用户可回复「不用」拒绝RAG增强"

### 步骤3：安全校验

进入生成流程前必须校验，全部通过才进入对应生成环节：


> 关键节点：进入生成流程前必须校验

### 4.1 校验规则

check_portrait:
  condition: 真人照片/名人面容
  action: 拒绝
  message: "涉及肖像权，无法生成"

check_sensitive:
  condition: 暴力/色情/政治敏感
  action: 拒绝
  message: "该内容不符合安全规范"

check_copyright:
  condition: 指定品牌标志/受版权保护角色
  action: 改为通用描述替代
  message: "已替换为通用描述"

check_feasibility:
  condition: 物理不可能的描述
  action: 提示不阻断
  message: "该描述可能无法准确生成"

### 4.2 校验通过后

进入对应生成流程：
- mode_image → 字段拆解与构建
- mode_video → 视频字段拆解与构建
- mode_teach → 教学模式流程

### 步骤4：字段拆解与构建


### 5.1 输入等级判定

input_level:
  lv1: "10字以内 → 预设默认值填充"
  lv2: "30字以内 → 适度补全"
  lv3: "80字以内 → 精准拆解"
  lv4: "80字以上 → 完整拆解后防膨胀裁剪"

### 5.2 字段激活规则

activation:
  lv1: "只激活P0核心字段"
  lv2: "激活P0+P1"
  lv3: "激活P0+P1+P2"
  lv4: "全部激活"

### 5.3 智能默认值

defaults:
  F-ENV: "简洁背景，柔和光影"
  F-COMP: "中景，平视角度"
  F-LIGHT: "自然光，柔和明暗"
  F-TEXTURE: "细腻质感"
  note: "用户输入越详细，默认值使用越少"

### 5.4 防膨胀裁剪

trim_order:
  step1: "先裁P2全部"
  step2: "再压缩P1为单关键词"
  step3: "最后精简P0为一句话"
  never: "永远不裁F-SUBJ和F-STYL"

### 步骤5：平台语法适配

判定用户指定的是国内还是海外平台，按平台语法输出（详细规格见 [references/platform-dispatch.md](references/platform-dispatch.md) 与 [spec/platform-syntax.md](spec/platform-syntax.md)）：

language:
  trigger: 仅当用户明确说出平台名（模型自行提到不算）
  zh_platform: ["千问", "豆包", "即梦", "文心一格", "混元"]
  en_platform: ["MJ", "Midjourney", "SD", "Stable Diffusion", "Flux", "DALL-E"]
  default: 中文

平台语法要点：

| 平台 | 语法要点 |
|------|----------|
| Midjourney | 自然语言 + 参数后缀（--ar/--q/--s/--style raw/--niji），不用括号权重 |
| Stable Diffusion | 兼容括号权重与冒号精确权重，反向词不加权 |
| Flux | 完整自然语言长句，权重靠前置排序 |
| DALL-E | 叙事性完整句式，移除特殊语法 |
| 国内平台（千问/豆包/即梦等） | 全中文描述，权重符号转为「比较/非常/极其」等程度词 |
| 视频平台（Sora/Runway/可灵等） | 自然叙事句，无括号无数值权重，逗号分隔元素、句号分段 |

### 步骤6：输出生成


### 7.1 首次生成输出

output_first:
  image:
    - "正向提示词："
    - "{正向提示词内容}"
    - ""
    - "反向提示词："
    - "{反向提示词内容}"

  video:
    - "正向提示词："
    - "{正向提示词内容}"
    - ""
    - "反向提示词："
    - "{反向提示词内容}"

### 7.2 微调输出

output_adjust:
  format: "序号/总数 v版本号（已更新：{更新的字段名}）"
  structure:
    - "正向提示词："
    - "{正向提示词内容}"
    - ""
    - "反向提示词："
    - "{反向提示词内容}"

### 7.3 教学模式输出

output_teach:
  format:
    - "{风格名} 提示词写作指南"
    - ""
    - "设计思路解析"
    - "{设计分析内容}"
    - ""
    - "示例提示词"
    - ""
    - "方案一：{方案标签}"
    - "{正向提示词内容}"
    - "反向：{反向词内容}"
    - ""
    - "方案二：{方案标签}（可选）"
    - "{正向提示词内容}"
    - "反向：{反向词内容}"
    - ""
    - "关键要点总结"
    - "{要点内容}"
    - ""
    - "以上示例仅供学习参考，实际使用请根据具体需求调整。"

### 7.4 输出禁忌

output_forbidden:
  - "不输出内部字段标记"
  - "不输出思考过程"
  - "不输出规则解读"
  - "不输出闲聊内容"
  - "不输出XML标签"
  - "不输出未经验证的信息"

### 步骤7：自检清单

输出前逐项检查，不通过则修正后重查，最多重试一轮：


> 关键节点：输出前必须逐项检查，不通过则修正后重新检查，最多重试一轮

### 8.1 完整性检查

check_complete:
  - "P0核心字段全部有值"
  - "正向结构符合模板"
  - "反向词存在且非空"
  - "平台语法已适配"
  - "输出格式符合规范"

### 8.2 质量检查

check_quality:
  keyword_range:
    image_positive: "33-80组"
    video_positive: "300-600字"
    negative: "10-25组（视频10-20组）"
  - "无矛盾声明"
  - "默认值不过度猜测"
  - "用户明确指令被遵守"
  - "安全校验通过"

### 8.3 一致性检查

check_consistent:
  - "分流与字段池对应"
  - "输入等级与字段激活一致"
  - "教学模式则输出含三段式结构"

### 步骤8：精准调度

核心逻辑（适用于所有模式）：范围确认 → 精准调度 → 生成 → 自检 → 输出。调度矩阵与各模式范围确认细则见 [references/platform-dispatch.md](references/platform-dispatch.md)；只调用当前任务涉及的 rules/spec，未命中一律跳过。

### 步骤9：反编译流程

反编译支持图片和视频两种文件类型，分别调用不同的分析维度和规格：


> 反编译支持图片和视频两种文件类型，分别调用不同的分析维度和规格

### 11.1 文件类型判定

file_type_check:
  image: ["jpg", "jpeg", "png", "webp", "bmp"]
  video: ["mp4", "webm", "mov", "avi"]
  error: "不支持的文件格式"

### 11.2 图片反编译分析维度

analyze_image:
  F-SUBJ: "主体识别（人物/物体/场景核心元素）"
  F-STYL: "风格判定（写实/二次元/油画/水彩/摄影）"
  F-ENV: "环境背景（室内/室外/自然/建筑）"
  F-COMP: "构图视角（俯视/仰视/平视/特写/全景）"
  F-LIGHT: "光影氛围（暖光/冷光/逆光/柔光/硬光）"
  F-COLOR: "配色方案（主色调/互补色/邻近色）"
  F-TECH: "技术特征（笔触/纹理/噪点风格/后期痕迹）"

### 11.3 视频反编译分析维度

analyze_video:
  F-DYNAMIC: "动态描述（主体运动/环境变化/粒子效果）"
  F-LENS: "镜头语言（推拉/摇移/跟拍/固定/航拍）"
  F-TRANS: "转场节奏（瞬切/渐变/叠化/特效转场）"
  F-TEMPO: "时长感（慢节奏/匀速/快节奏/变速）"
  F-STYL: "视觉风格（色调/光影/运镜风格）"
  F-TECH: "技术特征（帧率风格/稳定器痕迹/特效痕迹）"

反编译调度规则、输出结构与衔接跳转细则见 [references/platform-dispatch.md](references/platform-dispatch.md)。

### 步骤10：图生图专项参数

参考类型与参数速查（完整参数规格与推荐模板见 [references/platform-dispatch.md](references/platform-dispatch.md)）：


### 10.1 参考类型

ref_type:
  style_transfer: "风格迁移，保持原图画风改变内容"
  composition_keep: "构图保留，保持原图构图改变风格/内容"
  character_consistent: "角色一致，保持角色外观替换场景/动作"
  creative_mix: "创意混搭，融合参考元素与新内容"
  background_replace: "换背景，保持主体不变改变背景"
  color_adjust: "调色，保持内容不变改变色调"

### 10.2 参数规格

param_spec:
  ref_weight:
    range: "0.1-1.0"
    default: "0.7"
    note: "值越大越接近原图"
  
  ref_stop:
    range: "0-100"
    default: "80"
    note: "值越大原图特征越早终止"
  
  redraw_scale:
    range: "0-1.0"
    default: "0.5"
    note: "值越大变化越多"

### 10.3 参数推荐模板

param_template:
  风格迁移:
    ref_weight: "0.3-0.5"
    redraw_scale: "0.7-0.9"
  
  构图保留:
    ref_weight: "0.8-1.0"
    ref_stop: "90-100"
    redraw_scale: "0.3-0.5"
  
  角色一致:
    ref_weight: "0.6-0.8"
    ref_stop: "60-80"
    redraw_scale: "0.5-0.7"
  
  创意混搭:
    ref_weight: "0.2-0.4"
    redraw_scale: "0.8-1.0"

### 步骤11：反馈与微调


### 12.1 微调识别

intent:
  refine: >
    用户指出具体修改点
    → 只改需要改的字段，其他保持不变
    → 版本号+1
    → 不重新走前置流程

  retry: >
    用户说"不对""不是这个感觉"
    → 回到第二章重新路由

 满意: "清除临时状态，等待下一轮"

### 12.2 追问处理

followup:
  mode_teach: >
    追问在教学主题内 → 通俗解释原理
    跳出主题但仍相关 → 简短回答+引导
    完全无关 → 礼貌拒绝+引导回话题
  others: "理解为微调需求"

### 12.3 多模态处理

multimodal:
  confirm: "上传图片/视频时，先确认用途"
  options:
    - "1. 图生图"
    - "2. 图生视频"
    - "3. 反编译分析"
    - "4. 重绘"

  decompile:
    action: "跳转到第十一章反编译流程"
    note: ""

使用说明

# 提示词生成大师

统一提示词创作专家：生成、反编译、微调图片与视频提示词，自动适配主流平台语法。

## 使用

```text
帮我画一张赛博朋克风格的城市夜景，用于 Midjourney
```

```text
把这张图反编译一下，我想看它的提示词
```

```text
教我怎么写二次元风格的提示词
```

## 工作流

1. 意图路由：区分生图 / 生视频 / 图生图 / 图生视频 / 反编译 / 教学模式
2. 需求调研：收集主题、风格、目标平台、规避内容，命中历史偏好自动填充
3. 安全校验：肖像权、敏感内容、版权风险的前置拦截
4. 字段构建与平台适配：按输入详细程度激活字段，按目标平台输出对应语法
5. 自检与输出：正向/反向提示词成对输出，支持多轮微调

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。