提示词生成大师

要解决的具体问题

在使用 Midjourney、Stable Diffusion、Sora 等 AI 生成工具时，用户面临几个核心难题：

• 提示词编写门槛高：工具依赖精确的文本描述，但普通用户难以掌握专业术语和结构化表达，导致生成结果与预期不符。
• 平台语法差异大：不同工具（如 MJ 使用参数后缀，SD 使用括号权重）的提示词格式不统一，跨平台使用容易出错。
• 安全与合规风险：生成内容可能意外涉及肖像权、版权或敏感信息，缺乏自动校验易引发问题。
• 迭代效率低：调整提示词时，用户常需手动重构整个描述，难以快速微调。

该技能通过智能路由和结构化流程，自动化生成符合各平台规范的高质量提示词，降低使用门槛。

技能如何工作

核心是意图驱动的多阶段处理流程：

1. 意图路由与需求调研

- 根据用户输入（如关键词或上传文件），自动判定任务类型（mode_image、mode_video、mode_teach 等）。
- 通过调研收集关键字段：q_type（生成类型）、q_theme（主体内容）、q_style（风格偏好）、q_platform（目标平台）等，确保精准理解需求。

1. 安全校验与可行性检查

- 在生成前执行规则校验：
- check_portrait：拒绝生成真实人物肖像，避免侵权。
- check_sensitive：过滤暴力、色情等敏感内容。
- check_copyright：对受版权保护的角色使用通用描述替代。
- 物理不可能的描述会触发提示但不阻断。

1. 字段拆解与智能填充

- 根据用户输入详细程度（input_level）激活不同字段层级（P0核心字段、P1扩展字段等）。
- 使用智能默认值（如F-ENV默认为“简洁背景，柔和光影”）补全信息，并通过防膨胀裁剪避免冗余。

1. 平台语法适配

- 根据目标平台（如 Midjourney、SD、Flux）自动转换提示词格式：
- Midjourney：使用自然语言加参数后缀（如 --ar 16:9）。
- SD：支持括号权重（如 (keyword:1.5)）。
- 国内平台（如豆包、即梦）：转为自然语言描述，移除权重符号。

1. 输出生成与自检

- 按统一格式输出正向和反向提示词，例如：

     正向提示词：a serene landscape, soft lighting, 4k detailed
     反向提示词：blurry, low quality, text
     

- 执行完整性检查（如字段非空、语法正确）和质量检查（如关键词数量在合理范围）。

此外，技能支持图生图、视频生成和反编译分析：上传参考图后，可提取提示词或基于参数进行重绘；反编译功能能解构已有图片/视频的元素（如F-COMP构图、F-LIGHT光影），辅助迭代。

适用边界与注意点

• 输入依赖性：生成质量高度依赖用户提供的初始描述；过于模糊的输入（如低于10字）可能触发默认填充，需用户补充细节。
• 平台限制：部分平台（如 DALL-E）不支持权重语法，技能会自动移除相关符号，但用户需知晓最终提示词的差异。
• 安全约束：严格拒绝生成真实人物或敏感内容，无法绕过；版权问题可能通过描述替代解决，但非绝对合规。
• 教学模式：输入“教我”可进入教学，但仅提供风格指南和示例，不保证生成结果与示例完全一致。
• 会话上下文：调研结果仅在单次会话有效，重新开始需重新收集信息。

该技能通过结构化流程简化提示词编写，但最终生成效果仍受 AI 模型能力和用户协同调整影响。