Dali by Lulu

Lulu 的 Dali

dali.getlulu.dev  ·  安装  ·  实时统计  ·  Lulu

---

在投入额度之前，先根据广告市场中真正胜出的作品为你的创意打分。

大多数 AI 生成失败都是可以预见的。提示词薄弱、创意不符合公式——只有在烧掉令牌后，你才会发现。Dali 会先评分，而且评判依据不是主观意见或泛泛的“提示词技巧”，而是一个真实、持续更新的已验证胜出广告库——这些创意在上线数月后仍在市场投放，并经过抓取、嵌入和排名。它有两项功能：

• score_prompt — 在生成之前评判提示词（制作技巧：摄像机、动态、光线、模型原生语言）。
• score_creative — 根据已验证的胜出作品评判实际图像（它看起来是否像能带来转化的作品，以及还缺少什么）。

每次浪费生成都有实际成本——重试一次 Seedance 约需 6 美元。实时仪表板会追踪社区因及时发现不佳创意、避免浪费额度而节省的成本。

You: "make a video ad for our glass serum bottle"

dali::score_prompt(prompt, "veo3")
→ 8/100  Grade: F
→ no camera move · no motion · no lighting · 8 words
→ Verdict: Generic stock footage guaranteed. Enhance first.
→ enhancement_brief included (score < 70):

  ① lead with camera — Veo 3's #1 lever: "Slow dolly", "Orbital push"
  ② describe physics: "a drop falls", "liquid ripples", "glass refracts"
  ③ lighting type + quality: "warm backlight", "rim-lit edges"
  ↳ [Camera]. [Subject + motion]. [Lighting]. [Mood]. [No text.]

✦ YOUR LLM rewrites using the brief:

  "Slow orbital push around a glass serum bottle on white marble. A single
   amber drop falls in extreme slow motion, catching warm backlight. Macro:
   liquid gold ripples outward from impact. Rim-lit edges, soft studio
   diffusion. Premium, clinical. No text."

dali::score_prompt(enhanced, "veo3")
→ 91/100  Grade: A  ✓ Safe to generate.

---

真正出色的胜出数据层

这正是 Dali 不止是提示词检查器的原因。评分以真实且实际胜出的广告为依据，而非人工编写的规则。

语料库的构建方式——存续时间是结果信号。 我们抓取 Meta Ad Library 的公开数据。一则广告上线数月后仍在投放，说明广告主一直在为它付费——它就是一则经验证的胜出广告。“上线 N 天后仍在投放”这一存续时间，是无法伪造且经市场验证的标签，也是整个数据集的核心。

目前的数据内容：

已摄取广告	10,204（原始存档 14,100 条）
经验证的胜出广告（长期投放）	3,808
不同广告主	4,121
垂直领域	8 个——美容、健康、膳食补充剂、健身、食品、服饰、科技、宠物
已嵌入的胜出广告创意	800（1408 维，每个垂直领域均衡约 100 条）
发现的最长投放胜出广告	2,431 天（持续投放 6.6 年）

处理管线（离线处理 → 在线服务）。 这些工具不会即时抓取或生成嵌入，而是读取预先构建好的存储库：

scrape Meta Ad Library         → proven winners (longevity label)
      → Gemini vision           → creative attributes (lighting, format, before/after, offer…)
      → prevalence SQL          → winning-pattern lift per vertical (winners vs baseline)
      → Vertex embeddings       → BigQuery VECTOR_SEARCH (nearest proven winners, cosine)
      → graph edges (Memgraph)  → (:Pattern)-[:WINS_IN {lift, n}]->(:Category)

因此，运行 score_creative 时，它会为你的图片生成嵌入，并根据完整视觉特征找出与之最相似的真实胜出广告，然后告诉你缺少哪些胜出属性。运行带有类别的 enhance_prompt 时，重写说明会以真实的市场增益为依据（“78% 的胜出健康类广告中出现了前后对比，是基准值的 4 倍”），而不是依赖创作经验。

如实说明适用范围。 胜出标签依据的是存续时间（这是一个有力且经市场验证的替代指标），而非单条广告的转化率——基于实测 CVR 的验证仍在进行中。语料库会按计划扩充，因此各垂直领域的覆盖面也会不断加深。你现在得到的是：依据在实时市场中确实存续下来的广告，对你的创意进行评分。

dali::score_creative(image_url, "beauty")
→ score 62/100  — partial resemblance to proven winners
→ looks_like:      Frøya Organics (ran 411d), tashportcosmetics (884d), Face Reality (346d)
→ what_to_change:  winners use "before/after" 4× more · offer-visible 1.8× more
→ defects:         none
→ Verdict: Partial — strong resemblance, but add the high-lift attributes before spending.

---

目录

• 真正出色的胜出数据层
• 安装
• 工具
• 支持的模型
• 平台超集
• 为什么要针对特定模型？
• MCP 资源
• 贡献

---

安装

托管 MCP——连接一次，即可为每条提示词和每个创意评分：

# Claude Code
claude mcp add --transport http dali https://dali.getlulu.dev/mcp

// Cursor / Windsurf — .cursor/mcp.json or windsurf settings
{
  "mcpServers": {
    "dali": { "url": "https://dali.getlulu.dev/mcp" }
  }
}

// stdio-only clients — npx wrapper around the hosted server, no Python needed
{
  "mcpServers": {
    "dali": { "command": "npx", "args": ["-y", "dali-mcp"] }
  }
}

→ 查看包含所有客户端的完整安装指南

可自托管——本地运行，无需身份验证：

pip install dali-mcp
claude mcp add dali -- python -m dali.server

可自托管的软件包会在本地提供提示词评分工具。创意评分工具（score_creative、analyze_winning_formula）和胜出广告语料库运行在托管服务上——如需使用，请通过托管 MCP 连接。

---

工具

为创意评分——对照真实赢家

工具	功能
score_creative(image_url, category)	为实际广告图片评分。与经验证赢家的嵌入相似度是核心评分；还会返回它相似的赢家、缺少的获胜属性，以及生成缺陷——一次调用即可获取
score_creative_from_view(category, …)	为你正在查看的图片评分（在聊天中粘贴/附加）——无需 URL。 模型读取创意的属性，Dali 会对照获胜语料为其评分（评估结果 + 修改建议）。适用于在对话中分享的图片；score_creative（URL）还会提供嵌入核心评分
analyze_winning_formula(csv, category, email)	粘贴你自己的广告导出数据（创意 URL + CPA/CTR/ROAS）→ 得到你的赢家与输家公式，以及你与行业中位数的比较

为提示词评分——生成之前

工具	功能
score_prompt(prompt, model, category?)	按各个维度评分，总分 0–100，并给出评估结果。分数较低时，同一次调用还会返回重写说明。使用对话 LLM 理解意图（可理解否定表达和任何语言）
enhance_prompt(prompt, model, category?)	返回结构化的重写说明——由你的 LLM 编写增强后的提示词。指定类别后，说明会以真实的获胜广告提升效果为依据
track_enhancement(original, enhanced, generator)	在图谱知识库中记录改写前后的提示词——用于训练社区模式
score_variations(prompts, generator)	一次调用即可为一组提示词变体排序——从高到低
suggest_generator(concept, budget_usd_max)	根据你的创意和预算，选择最佳模型

图谱知识库与其他功能

工具	功能
creative_patterns(model)	从图谱中获取该模型的社区热门模式
community_benchmark(prompt, model)	将你的提示词与社区高分提示词进行比较
prompt_neighbors(prompt, model)	查找模式相似的 A/B 级提示词（先为提示词评分，使其模式进入图谱）
analyze_intent(prompt)	解析维度：摄像机、运动、光线、风格、情绪、缺失项
my_story()	你的评分历史、模型统计数据和等级分布
list_generators()	所有受支持的模型及其媒介和核心优势
dali_version()	服务版本 + 更新日志

---

支持的模型

视频

模型	平台	最适合	提示词风格
veo3	Higgsfield、Google AI Studio（veo-3.1-generate-preview）、Runway	电影感品牌影片、叙事广告、写实动态画面	镜头移动 → 主体 → 动作 → 地点 → 光线 → 情绪
seedance	Higgsfield、fal.ai（bytedance/seedance-2.0）	UGC、原生社交媒体内容、TikTok/Reels 效果广告	自然语言，以动态为先，呈现真实感
kling	Higgsfield（kling3）、Kling.ai（kling-v3-text-to-video）	角色动画、产品展示、面部表演	场景 → 角色 → 动作 → 摄像机 → 风格；多镜头标签
runway	Runway（gen4_turbo）	视觉特效、角色表演、电影感动态画面	以动态为先——描述什么在动，而非有什么
wan	fal.ai（fal-ai/wan/v2.7/text-to-video）	4K、20 秒片段、原生音频、开源工作流	场景 → 动态 → 声音 → 时长 → 情绪
minimax	fal.ai（fal-ai/minimax/hailuo-02/pro/text-to-video）	电影化叙事、角色动画	自然语言 + [camera movement] 方括号语法
higgsfield	Higgsfield（原生模型）	由物理规律驱动的动态——布料、头发、流体、粒子	描述运动中的材质，而非抽象地描述运动

Sora 2（OpenAI）：API 将于 2026 年 9 月 24 日关闭。不要基于它构建新的依赖——请改用 Runway 或 Kling。

图像

模型	平台	最适合	提示词风格
flux	BFL API（flux-pro-v1.1）、fal.ai、Replicate	写实主义、技术摄影、产品照片	30–80 个单词；相机机身 + 镜头规格；优先描述主体
midjourney	Midjourney（v8.1）	艺术层次感、编辑风格、风格化插画	散文式描述 + 追加参数：--ar 16:9 --s 300 --v 8.1 --style raw
ideogram	Ideogram API（V_4）、fal.ai	排版、徽标、图中文字、平面设计	在提示词中用引号准确描述文本
firefly	Adobe Firefly 5（企业版）	享有 IP 赔偿保障的商业素材、4MP 品牌内容	自然语言 + contentClass 和 style.presets API 参数

Imagen 4（Google）：已弃用 — 请使用带图像输出的 gemini-3.5-flash。Dali 仍会通过 imagen 模型键为旧版 Imagen 提示词评分，但请勿基于它构建新项目。

---

平台超集

Higgsfield 和 Runway 是聚合平台 — 它们通过一个 API 代理多个底层模型。你选择的模型比平台名称更重要：

平台	模型选择器	底层模型
Higgsfield	veo3	Google Veo 3.1
Higgsfield	seedance	ByteDance Seedance 2.0
Higgsfield	kling3	Kling 3
Higgsfield	wan2-7	Wan 2.7
Higgsfield	image2video	Higgsfield 原生模型
Runway	veo3	Google Veo 3.1
Runway	gen4_turbo	Runway Gen 4.5
Runway	seedance	ByteDance Seedance 2.0

Dali 根据底层模型的原生提示词语言评分，而非平台封装层。请传入模型名称（veo3、kling、seedance…），而非平台名称。

---

为什么要针对特定模型？

通用提示词优化器并不了解：

• Veo 3.1 需要将镜头运动放在最优先的位置指定
• Kling 3 原生支持在提示词中使用多镜头场景标签
• Flux 能像摄影师一样理解相机机身和镜头名称（"Sony A7 IV, 85mm f/1.4"）
• Midjourney V8.1 能理解散文式描述 + 参数，而非关键词列表
• Higgsfield 会模拟物理效果 — 你要描述运动中的材质，而非抽象地描述运动
• Minimax 使用 [Pan left] 方括号语法描述镜头运动 — 纯文本镜头指令会被忽略
• Ideogram V4 需要在提示词中用引号准确标出文本，才能保证排版准确
• Wan 2.7 可生成原生音频 — 请在视觉描述之外加入声音描述

Dali 为每个模型分别制定评分标准和改写说明。创意改写由你的 LLM 完成 — Dali 提供智能支持。

---

MCP 资源

creative://guide/veo3       → Veo 3.1 camera language guide
creative://guide/seedance   → Seedance UGC motion guide
creative://guide/kling      → Kling multi-shot + expression guide
creative://guide/runway     → Runway motion-first guide
creative://guide/wan        → Wan 2.7 audio + motion guide
creative://guide/minimax    → Minimax bracket camera guide
creative://guide/higgsfield → Higgsfield physics-motion guide
creative://guide/sora       → Sora 2 guide (API shutdown Sep 24, 2026)
creative://guide/flux       → Flux photography brief guide
creative://guide/midjourney → Midjourney V8.1 + parameters guide
creative://guide/ideogram   → Ideogram V4 typography guide
creative://guide/firefly    → Firefly 5 commercial content guide
creative://guide/imagen     → Imagen 4 guide (deprecated Aug 17, 2026)
creative://models           → All models overview

---

参与贡献

托管服务上的模型指南位于 dali/data/guides/{model}.json。发现了能稳定产出高质量结果的实践模式？请提交一个 issue，说明模型、模式，以及示例提示词和结果。最有价值的贡献来自 Reddit、Discord 和 YouTube — 来自实际从业者，而非官方文档。

→ 各模型的提示词最佳实践 — 速查表、该做 / 不该做列表、各模型的顶级模式 → Dali 创意工作流技能 — 安装此技能，让你的 LLM 自动遵循评分 → 增强 → 生成工作流

---

MIT License · 由 Lulu 构建 · dali.getlulu.dev