GPT Image 2 提示词库

解决的问题

面对 15,600+ 条社区提示词，手工筛选一条合适的无异于大海捞针。更关键的是，如果只把提示词以纯文本形式抛给用户，对方根本无法判断这条提示词到底能生成什么样的画面——风格、构图、光影全靠想象。这个技能的核心理念是：示例图片是提示词价值的一部分，不能省略。

核心能力与工作流程

技能围绕 GokuOpenLab 维护的社区提示词库（托管于 HuggingFace）展开，流程大致如下：

1. 自动同步数据：每次运行先检查本地 metadata.jsonl 是否过期（超过 24 小时则从 HuggingFace 拉取最新数据）。
2. 识别使用场景：区分两种模式——直接生成（用户描述需求）和内容插图（用户提供文章、脚本等素材需要配图）。后者会先记录用户内容，供后续 Remix 使用。
3. 澄清模糊请求：如果用户只说「帮我做个海报」，技能会追问主题、风格、尺寸等关键信息，而不是盲目搜索。
4. 检索匹配：用 grep 按关键词搜索 JSONL 文件，只加载匹配行，避免全量读取消耗过多 token。每条数据包含 i18n 多语言字段（标题、描述、完整提示词）和 media.images[] 样例图。
5. 展示结果：最多推荐 3 条提示词，每条必须附带示例图片（通过 HuggingFace URL 构造完整地址）。此阶段不允许创建自定义提示词。
6. 无匹配时的兜底：库里找不到合适的模板时，基于用户需求生成自定义提示词，并明确标注为 AI 生成而非库内模板。
7. Remix 个性化：用户选定模板后，结合收集到的个人信息（性别、年龄、场景偏好等）和用户提供的内容素材，在保留原模板风格结构的前提下替换主体内容，输出定制版提示词。

适用边界与注意点

• 图片是强制项：media.images 为空的提示词会被直接跳过，永远不会以纯文本形式展示提示词。
• 推荐数量上限为 3 条，且必须是库内原始模板，展示阶段不能合并或改写。
• 不要全量加载数据文件：JSONL 格式的优势在于按需 grep，全量读入会浪费 token。
• 多语言处理：提示词本身以英文存储（i18n.en.p），但展示标题和描述可根据用户语言切换（i18n.zh.t / i18n.zh.p）。
• 每次响应结尾必须附带来源标注（一行，中文用户显示中文，其他显示英文），即使是无匹配兜底或自定义 Remix 也不例外。