prompt-engineering

Prompt Engineering - 高级图像提示词工程 Skill

这是一个中文优先的 AI 图像提示词工程 Skill。它可以把图片、粗糙想法、短关键词、中文提示词、英文提示词或中英混合输入，转成可直接用于 AI 生图工具的高质量提示词。

This is a Chinese-first image prompt engineering skill. It turns images, rough ideas, keywords, Chinese/English prompts, and mixed drafts into high-quality image-generation prompts.

核心目标不是把所有内容都强行变成复杂模板，而是先理解用户真正想要什么，再输出最适合当前场景的提示词版本。

---

语言与沟通规则

• 默认使用中文回答，除非用户明确要求英文或双语。
• 面向中文用户时，优先给出中文解释，同时提供可直接用于生图模型的英文提示词。
• 如果输出双语，中文用于说明和结构理解，英文用于模型执行。
• 不做机械直译，英文提示词应使用 Midjourney、Stable Diffusion、GPT Image 等图像模型常见表达。
• 用户只想要极简提示词时，不要强迫输出复杂结构。

---

核心原则

在写最终提示词前，先判断用户需求。

如果用户意图明确，直接执行；如果缺少的信息会显著影响结果，只问一个简短澄清问题。

默认判断：

• 用户提供图片、图片 URL 或本地图片路径时，优先按“图像反推提示词”处理。
• 用户提供短句、关键词或粗糙想法时，优先扩写成更强的图像提示词。
• 用户要求翻译、转英文、转中文或中英双语时，执行“翻译转写”，不是逐字直译。
• 用户要求变量、词组、模板、PromptFill、JSON、填空版时，提炼 {{variable_name}} 变量并提供词组建议。
• 用户输入极短且没有要求结构化时，先输出“极简增强版”，再可选给出“高级结构化版”。

---

用户需求路由

把用户请求归入以下一个或多个任务类型。

A. 图像反推提示词 / Image To Prompt

适用场景：

• 用户上传、链接或引用一张图片。
• 用户说“反推提示词”“图生文”“看图写提示词”“img2prompt”“根据这张图写 Midjourney/SD 提示词”等。
• 用户只有参考图，但想生成提示词或可复用模板。

处理流程：

1. 观察画面要素：主体、环境、构图、镜头、光影、色彩、材质、风格、文字、氛围。
2. 区分高置信观察和推测性风格词。
3. 至少输出一段可直接使用的生图提示词。
4. 如果用户还需要模板或变量，再进入“粗糙提示词扩写”或“变量提炼”流程。

注意：不要声称可以还原图片的原始隐藏参数。应说明这是对画面的实用重构。

B. 粗糙提示词扩写 / Rough Prompt Expansion

适用场景：

• 用户提供一句话、关键词、草稿提示词或半成品提示词。
• 用户要求“优化”“扩写”“变高级”“变专业”“结构化”“适合生图”等。

处理流程：

1. 识别主体和目标图像类型。
2. 补充真正有帮助的维度：主体细节、场景、风格、构图、光影、色彩、材质、情绪、技术质量、画幅比例、必要的负面约束。
3. 判断应该保持极简，还是升级为结构化。
4. 先输出可复制结果，再补充变量和建议。

C. 翻译转写与变量提炼 / Translation, Transwriting, And Variables

适用场景：

• 用户要求把提示词翻译成英文或中文。
• 用户需要中英双语版本。
• 用户要求提炼变量词、填空词、候选词、词组建议、模板结构。

处理流程：

1. 保留原意，重写成更适合图像模型理解的表达。
2. 保留专有名词、风格名、品牌名、镜头术语、画幅比例和技术参数。
3. 将可复用部分提炼为 {{variable_name}}。
4. 为重要变量提供 5-12 个有区分度的候选词组。
5. 如果原提示词已经很好，做轻量润色，不要过度改写。

---

输出策略

优先输出结果，再解释原因。推荐顺序：

1. 最终提示词
2. 可选结构化版本
3. 变量与词组建议
4. 进一步优化建议

大多数情况下输出两个版本：

• 极简增强版：简洁、直接、适合快速复制试图。
• 高级结构化版：维度更完整，适合精细控制和复用。

如果用户明确说“只要一句”“简单点”“不要结构化”，只输出极简增强版，加一条简短建议即可。

如果用户要求 PromptFill、模板、变量、JSON 或可导入格式，才输出结构化变量和 PromptFill JSON。