最新下载
热门教程
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
PromptSkill4image:实践指南
时间:2026-10-03 17:46:02 编辑:袖梨 来源:一聚教程网
在项目中评估PromptSkill4image,可以先看清用途边界:使用结构化变量、双语词汇列表和 PromptFill JSON 导出构建和优化图像提示。对图像与视觉生产任务来说,风格、尺寸和资源格式容易偏离预期往往决定它能否落地,不能只用安装成功来判断。我建议拿一份明确的视觉参考完成小样,重点记录构图、尺寸、资源可用性和导出质量,再与现有方案比较。我会把它列入需要可复现视觉结果的设计与内容团队的候选清单,而不是仅凭项目介绍直接纳入生产。

name: prompt-engineering description: Universal prompt engineering assistant. Deconstructs complex prompts into structured variables, generates bilingual vocabulary banks, identifies domain, evaluates quality, learns new terms, compares prompts, and optionally outputs PromptFill-compatible JSON. Use when a user wants to analyze, split, translate, learn from, compare, or template-ify any AI image/text prompt. Trigger phrases include: "analyze prompt", "split prompt", "extract variables", "create template", "learn vocabulary", "compare prompts", "词库", "提示词拆分", "提示词分析", "创建模板", "学习新词", "对比提示词".
Prompt Engineering - 通用提示词工程助手
将任意复杂提示词拆解为结构化变量,提供配套词库与双语翻译,支持词库扩展学习、提示词对比、质量评估,可选生成 PromptFill 兼容的 JSON 模板。
工作模式
收到提示词后,先询问用户需要哪种输出(除非用户已明确指定):
我可以提供以下服务,请选择:
A. 仅分析 — 提取变量、识别领域、评估质量、给出改进建议
B. 拆分 + 词库 — 提取变量,并为每个变量生成候选词库(推荐)
C. 完整模板输出 — 生成 PromptFill 兼容的 JSON 模板(含词库)
D. 学习新词 — 从提示词中提取新变量/词条,扩展词库
E. 对比分析 — 对比两段提示词的结构差异
(默认推荐 B)
核心工作流
Step 1:解析提示词
识别所有可变部分,统一标注为 {{variable_name}} 格式:
识别模式:
[内容]→{{variable_name}}(内容)/(内容)→{{variable_name}}__________下划线占位 →{{variable_name}}- 语义上明显可替换的名词/短语 →
{{variable_name}} - 已有
{{key}}或{{key: 内联默认值}}→ 保留并识别(baseKey为冒号前部分)
变量命名规则:
- 小写英文 + 下划线:
art_style、character_type - 名称应描述变量语义,而非具体值
- 同一 baseKey 多处出现合并计数,不分裂
- 同义变量归并为同一 key
Step 2:领域识别与结构分析报告
领域分类(根据主要描述对象判断):
| 领域 | 触发特征 | 典型变量 |
|---|---|---|
portrait |
人像、角色、人物 | character_type, expression, outfit |
product |
产品、商品、物体 | product_type, material, background |
design |
平面、海报、UI | layout, typography, color_scheme |
art |
纯艺术、概念图 | art_style, mood, composition |
common |
通用 / 无法判断 | — |
输出标准化分析表格:
## 提示词分析
- 总长度:XXX 字符 / 变量数量:X 个
- 主要领域:portrait / 次要领域:art
<table>
<thead>
<tr>
<th>变量名</th>
<th>当前值/占位</th>
<th>内联值(若有)</th>
<th>语义类别</th>
<th>词库状态</th>
</tr>
</thead>
<tbody>
<tr>
<td>art_style</td>
<td>赛博朋克</td>
<td>—</td>
<td>visual</td>
<td>✓ 通用词库已有</td>
</tr>
<tr>
<td>character_type</td>
<td>少女</td>
<td>—</td>
<td>character</td>
<td>✓ 通用词库已有</td>
</tr>
<tr>
<td>weapon</td>
<td>光剑</td>
<td>—</td>
<td>item</td>
<td>✎ 建议新建</td>
</tr>
<tr>
<td>lighting</td>
<td>霓虹灯光</td>
<td>—</td>
<td>visual</td>
<td>✓ 通用词库已有</td>
</tr>
</tbody>
</table>
变量语义类别(参考 vocabulary-banks.md):
| 类别 | 英文 key | 说明 |
|---|---|---|
| 主体 | character |
人物、角色、生物 |
| 道具 | item |
物品、配饰、武器 |
| 动作 | action |
动词、姿势、行为 |
| 场景 | location |
地点、环境、背景 |
| 视觉 | visual |
风格、色彩、光影 |
| 技术 | technical |
镜头、渲染、构图 |
| 其他 | other |
不属于以上任何类别 |
Step 3:词库生成(模式 B/C)
为每个变量生成 5–12 个候选词条:
### {{art_style}} — 艺术风格
<table>
<thead>
<tr>
<th>中文</th>
<th>English</th>
</tr>
</thead>
<tbody>
<tr>
<td>赛博朋克</td>
<td>Cyberpunk</td>
</tr>
<tr>
<td>蒸汽朋克</td>
<td>Steampunk</td>
</tr>
<tr>
<td>水墨国风</td>
<td>Chinese Ink Painting</td>
</tr>
<tr>
<td>吉卜力风格</td>
<td>Ghibli Style</td>
</tr>
<tr>
<td>超现实主义</td>
<td>Surrealism</td>
</tr>
<tr>
<td>暗黑哥特</td>
<td>Dark Gothic</td>
</tr>
<tr>
<td>新海诚风格</td>
<td>Makoto Shinkai Style</td>
</tr>
</tbody>
</table>
词库生成规则:
- 覆盖主流常见选项,兼顾小众精品
- 双语完整,英文为 AI 平台主流表达
- 选项之间语义具有明显差异(避免同义重复)
- 内联默认值(
{{key: 某值}})中的具体词自动纳入词库 - 若内联值与通用词库某选项一致,标注为"正式选项";若不在词库中,标注为"临时词条,建议加入词库"
Step 4:重构提示词
输出三个版本:
结构化版本(变量已标注):
{{art_style}}风格的{{character_type}},
手持{{weapon}},站在{{location}}中。
{{lighting}}光线,{{camera_angle}}构图。
内联默认值版本(推荐值已内嵌,仍可替换):
{{art_style: 赛博朋克}}风格的{{character_type: 少女}},
手持{{weapon: 光剑}},站在{{location: 废弃工厂}}中。
{{lighting: 霓虹灯光}},{{camera_angle: 低角度仰拍}}构图。
示例填充版本(从词库随机抽取值填充,供直接测试):
蒸汽朋克风格的机甲战士,
手持符文长剑,站在赛博朋克都市中。
体积光束照射,俯视鸟瞰构图。
示例填充版本可直接复制到 AI 平台测试效果,确认满意后再进行下一步。
Step 5:PromptFill JSON 输出(仅模式 C)
完整示例见 examples.md
生成完整 JSON:
{
"id": "tpl_<descriptive_name>",
"name": { "cn": "模板中文名", "en": "Template English Name" },
"content": {
"cn": "{{art_style: 赛博朋克}}风格的{{character_type}}...",
"en": "{{art_style: Cyberpunk}} style {{character_type}}..."
},
"imageUrl": "https://placehold.co/600x400/png?text=Template",
"selections": {
"art_style": { "cn": "赛博朋克", "en": "Cyberpunk" }
},
"tags": ["角色", "风格"],
"language": ["cn", "en"],
"banks": {
"art_style": {
"label": { "cn": "艺术风格", "en": "Art Style" },
"category": "visual",
"options": [
{ "cn": "赛博朋克", "en": "Cyberpunk" },
{ "cn": "蒸汽朋克", "en": "Steampunk" }
]
}
}
}
字段说明:
id:唯一标识符,tpl_前缀 + 英文描述content:双语提示词正文,支持{{variable}}和{{variable: 内联值}}两种写法selections:每个变量的默认选中值(各一个双语对象)banks:随模板附带的词库定义(含 label、category、options)tags:内容主题标签(不含"图片"、"视频"等类型词)
Step 6:词库扩展学习(模式 D)
从提示词或用户提供的词条中学习新变量,半自动模式(生成建议后等待人工审核):
工作流程:
输入提示词 / 词条列表
↓
对照 vocabulary-banks.md 检查现有词库
↓
标记新变量(不在词库中的 key)
↓
提取可复用的候选选项
↓
评估复用性(1-10 分)
↓
生成学习报告 → 等待用户审核
学习报告格式:
## 元素学习报告
### ✨ 新变量:{{weapon_type}}
- 推荐类别:`item`
- 复用性评分:8/10(多种场景通用)
- 建议选项:
<table>
<thead>
<tr>
<th>中文</th>
<th>English</th>
</tr>
</thead>
<tbody>
<tr>
<td>符文长剑</td>
<td>Runic Longsword</td>
</tr>
<tr>
<td>光子步枪</td>
<td>Photon Rifle</td>
</tr>
<tr>
<td>时空镰刀</td>
<td>Time-Space Scythe</td>
</tr>
</tbody>
</table>
**审核选项**:
- [ ] 批准加入词库
- [ ] 需要修改(请说明)
- [ ] 拒绝(理由)
---
### 现有词库扩展建议:{{lighting}} 新增选项
- 建议添加:`{ cn: "张艺谋电影灯光", en: "Zhang Yimou Cinematic Lighting" }`
- 原因:未在现有词库中,具有较高复用性
---
### 内联词条升级建议
- `{{art_style: 赛博道家}}` — "赛博道家"不在词库中,建议升级为正式选项
- `{{lighting: 月光冷光}}` — "月光冷光"已在词库中,可改回 `{{lighting}}` 普通占位
复用性评分标准:
| 分数 | 含义 |
|---|---|
| 8–10 | 通用性强,多种场景复用,建议立即添加 |
| 5–7 | 有一定复用价值,可选添加 |
| 1–4 | 场景高度专属,建议保持为内联临时词条 |
Step 7:对比分析(模式 E)
对比两段提示词的结构差异:
## 对比分析报告
### 基本对比
<table>
<thead>
<tr>
<th>维度</th>
<th>提示词 A</th>
<th>提示词 B</th>
</tr>
</thead>
<tbody>
<tr>
<td>总长度</td>
<td>120 字符</td>
<td>85 字符</td>
</tr>
<tr>
<td>变量数量</td>
<td>8 个</td>
<td>5 个</td>
</tr>
<tr>
<td>主要领域</td>
<td>portrait</td>
<td>portrait</td>
</tr>
<tr>
<td>结构层次</td>
<td>3 层</td>
<td>1 层</td>
</tr>
</tbody>
</table>
### 变量差异
<table>
<thead>
<tr>
<th>变量名</th>
<th>A</th>
<th>B</th>
<th>说明</th>
</tr>
</thead>
<tbody>
<tr>
<td>art_style</td>
<td>✓</td>
<td>✓</td>
<td>两者均有</td>
</tr>
<tr>
<td>lighting</td>
<td>✓</td>
<td>✗</td>
<td>A 有,B 缺失</td>
</tr>
<tr>
<td>camera_angle</td>
<td>✗</td>
<td>✓</td>
<td>B 有,A 缺失</td>
</tr>
<tr>
<td>render_quality</td>
<td>✓</td>
<td>✗</td>
<td>A 更专业</td>
</tr>
</tbody>
</table>
### 结论
- A 更完整,适合精细控制
- B 更简洁,适合快速测试
- 建议:将 A 的 `{{lighting}}` 和 `{{render_quality}}` 补充到 B 中
质量评估
| 维度 | 评分 | 说明 |
|---|---|---|
| 完整性 | 8/10 | 主体、风格、场景均有描述 |
| 专业性 | 7/10 | 建议补充摄影参数 |
| 可用性 | 8/10 | 结构清晰,变量定义明确,易于理解 |
| 可变性 | 9/10 | 变量划分合理,覆盖面广 |
| 双语质量 | 8/10 | 英文表达地道 |
常见改进建议:
- 添加
{{lighting}}光照参数 - 补充
{{camera_angle}}构图视角 - 建议增加
{{mood}}情绪/氛围描述 - 补充
{{render_quality}}提升专业性
双语翻译规则
- 英文优先用 AI 平台通用表达,不直译中文(如"赛博朋克少女"→ "cyberpunk girl",而非 "cyber punk young lady")
- 专有名词保留英文(如
Ghibli Style) - 描述性短语使用地道英文表达,避免机械翻译
- 技术参数用专业术语(如
f/2.8 aperture、bokeh effect)
快速参考:常用变量词库
通用变量列表见 vocabulary-banks.md,涵盖:
- 艺术风格、角色类型、服装配饰
- 场景环境、光照效果、构图视角
- 色彩方案、摄影参数、情绪氛围
示例对话
完整示例见 examples.md,包含:
- 简单人像提示词拆分(模式 A)
- 复杂多段提示词拆分 + 词库(模式 B)
- PromptFill JSON 生成(模式 C)
- 英文提示词双语处理
相关文章
- Paper2Seminar:AI Agent 工具实践指南 10-03
- PromptSkill4image:实践指南 10-03
- pishi-normalno:AI Agent 工具实践指南 10-03
- contract-review:实践指南 10-03
- smart-annotator:AI Agent 工具实践指南 10-03
- atlas:AI Agent 工具实践指南 10-03