全模型生图提示词编译器

问题：提示词写出来，模型却各理解各的

生图提示词最大的工程问题不是“不会描述”，而是不同模型语法、参数、合规边界和能力差异很大：Midjourney 的 --ar、--no 不能直接套到 FLUX、DALL·E 3 或国内模型；电商图要过国内平台禁词，海报要带文字又要控构图；没有参考图或参考图冲突时，脸、产品、内容物很容易崩。

它怎么工作

这个技能把用户需求转成可复制的模型原生提示词。它按图片类型路由模型：电商产品图优先即梦/可灵/FLUX/SeaArt，带文字海报考虑 Ideogram/Recraft/Canva，二次元走 PixAI/NovelAI。核心流程包括：

• 8 层标准化：主体、场景、姿态、风格、构图、光线、色调、技术质感；
• 参考图分类：人物脸、产品、内容物、风格、场景，并约束镜头事实一致性；
• 合规扫描：扫描禁词、导流信息、成图文字风险，输出替换建议；
• 去 AI 味：用具体面部状态、焦段、布光、胶片模拟替代“自信微笑”“电影感”等虚词；
• 迭代修正：根据脸崩、构图偏、色调跑、AI 味重等反馈调整权重、负向词、参考图或换模型。

适用边界

它只生成和编辑静止图片提示词，不直接出图，也不覆盖视频、运镜、帧率或运动模糊。合规检查是提示词层初审，不能保证平台模型过滤器或人工复审一定通过。高保真依赖参考图、ControlNet/IP-Adapter、锁 seed 与多轮迭代，纯文字提示词无法承诺 90% 相似。