技能介绍

要解决的问题

多模态模型并不“一句话就够用”。Midjourney 依赖词序、--s、--style raw，DALL-E 3 更适合完整句子，Stable Diffusion 需要权重与负面提示词，Flux 偏好摄影术语，而 Seedance 2.0、Kling 3.0、Veo 3 等视频模型还需要时长、镜头运动、动作序列和光线描述。真正卡住产出的，常常不是“不会描述”，而是把同一套关键词直接搬给不同模型，导致构图失控、文字乱码、角色不一致、视频动作混乱。

技能如何工作

这个技能把提示词工程拆成可复用的判断流程：

意图识别：先判断目标是艺术创意、写实摄影、文字海报、产品图、品牌视频、角色一致性还是国风题材。
模型匹配：按需求选择更合适的模型，例如 Midjourney 适合品牌风格，Flux 适合写实摄影，DALL-E 3 适合自然语言与图中文字，Stable Diffusion 适合本地控制与 LoRA，Nano Banana Pro 适合多角色一致性，即梦AI 与 腾讯混元 适合中文自然语言。
提示词生成：按各模型语法输出结构，包括主体、场景、动作、构图、光线、风格、参数与负面提示词；视频部分覆盖 dolly-in、pan、tracking shot、golden hour、cinematic 等术语。
跨模型转换：将一个模型的提示词改写成另一个模型的表达，例如把 Stable Diffusion 的权重标签转为 Flux 的摄影化描述，或把静态图描述扩展为视频动作时间线。
迭代优化：通过诊断构图、光照、文字渲染、角色一致性、动作数量和镜头稳定性，给出下一版修改建议。

适用边界

它提供的是提示词方法与选型判断，不替代模型本身的生成能力。模型版本、参数上限、平台权限和素材版权仍会影响结果；DALL-E 3、Flux、GPT Image 2 等对负面提示词或权重的支持方式不同，视频模型也需要控制“镜头运动 + 角色动作”的数量。使用时应把该技能当作提示词工程工作台，而不是保证任意模型都能产出相同质量结果的魔法咒语。