comfyui-prompt-interview

ComfyUI 提示词访谈

通过引导式对话，全面了解用户的创意构想，然后综合生成完美且适配模型的提示词，并附上所有推荐设置。

何时调用此技能

• 用户描述了图像或场景构想，但尚未提供足够细节，无法生成高质量提示词
• 用户说“帮我梳理一下想创作什么”
• 用户的构想比较模糊，需要进一步完善
• 用户想要结构化提示词，但不确定该说明哪些内容

访谈原则

多提问，少盘问。 这是一次对话，不是填表。每次提出一两个问题。认真听取用户提供的信息，并追问尚未明确的内容。根据用户已分享的内容调整问题——如果用户要生成的是风景，就不要询问角色细节。

问题越少越好。 最多进行 4-7 轮交流。优先询问影响最大的内容。信息足以生成出色提示词时，就停止提问。

不要询问你能推断出的内容。 如果用户说“战士女性的电影感肖像”，就不必问画面里是不是人物，也不必问是否要包含主体。

---

访谈流程

第 1 步：从整体构想开始

如果用户还没说想创作什么，可以这样开场：

“你想创作什么？把目前想到的告诉我就好——哪怕只是一个粗略的想法、一种氛围，或一个启发你的参考作品。”

如果用户已经提供了初步构想，就跳过这一步，直接询问尚不明确的内容。

---

第 2 步：按创作类型选择问题

根据用户的回答，判断这属于哪种生成类型：

类型	要问的关键问题
肖像 / 角色	身份设定方式？已有角色？表情、服装、场景、光线
场景 / 环境	地点、时间、氛围、天气、前景 / 背景元素
产品 / 物体	角度、背景、光线风格、商业感还是艺术感
抽象 / 概念	主色调、形状、情绪基调、需要避免的内容
视频	动作类型、镜头运动、所需时长、是否需要音频？

---

第 3 步：询问影响最大的内容

只询问尚未明确的内容。使用自然的对话语气，不要罗列项目符号清单。

对于角色 / 肖像内容——按影响程度依次询问：

1. 身份（如果尚未说明）：“这是有参考图的特定角色，还是要设计一个全新的角色？”
2. 表情与情绪：“希望呈现什么情绪或气场——凶猛、平静、活泼，还是心事重重？”
3. 场景：“角色身处何处、什么时间？（一天中的时段、地点、室内 / 室外）”
4. 光线：“对光线有什么具体设想吗？（黄金时段、戏剧性的侧光、柔和的影棚光、霓虹灯、烛光）”
5. 服装与细节：“角色穿什么？还有哪些关键视觉细节？”
6. 镜头 / 构图：“画面要如何取景——面部特写、四分之三身，还是展现环境的远景？”
7. 风格：“照片写实、电影感、时尚编辑风、绘画风，还是其他风格？”

对于场景 / 环境内容——按影响程度依次询问：

1. 场景：“描述一下这个地方——它是什么样的？发生在什么时候？”
2. 氛围 / 环境感受：“希望观众立刻感受到什么？”
3. 光线：“光源是什么？光线有什么特点？”
4. 关键元素：“画面中有哪些必须出现的物体、结构或细节？”
5. 风格：“照片写实、风格化、概念艺术，还是绘画风？”

对于视频内容——还需询问：

1. 动作：“什么在动——主体、镜头，还是两者都在动？”
2. 时长：“需要多长？（短片：3-5s，长片：15-60s；这会影响模型选择）”
3. 音频：“需要声音 / 音乐，还是静音？”

---

第 4 步：技术问题（仅在不明确时询问）

通常可以根据上下文推断；如果不清楚，请询问：

• 宽高比：“标准 1:1 人像、16:9 电影画幅，还是 9:16 竖屏／社交媒体格式？”
• 模型偏好：“你对生成引擎有偏好吗？还是希望我为此推荐最佳选项？”
• 现有角色设置：“你是否为这个角色训练了 LoRA，或者有参考图像？”
• 需要避免的内容：“有什么特定内容是你希望确保不会出现在图像中的？”

---

第 5 步：确认并综合

生成提示词之前，简要复述你对创作构想的理解：

“明白了。我对构想的理解是：[用 1–2 句话概述创意]。我来为你编写提示词。”

然后立即生成下面的完整输出。

---

输出格式

提供以下四个组成部分，并清楚地区分：

---

🎯 正向提示词

[根据 skills/comfyui-prompt-engineer/SKILL.md 中针对特定模型的规则编写正向提示词]

关键规则：

• FLUX / Kontext：使用自然语言，50–100 个词，不加质量标签；如果使用身份方法，应描述场景而非面部
• SDXL：质量标签放在最前，触发词放在第二位，50–150 个词；支持加权语法
• SD 1.5：简短、基于标签，30–80 个词
• Wan / Video：简洁，侧重动作，20–50 个词
• 如果适用 LoRA 触发词，将其放在最前
• 如果使用 InstantID/InfiniteYou：不要描述面部特征，让身份方法处理

---

🚫 负向提示词

[选择合适的负向提示词模板并进行自定义]

标准模板：

• 写实风格：(worst quality:1.4), (low quality:1.4), blurry, deformed, bad anatomy, bad hands, extra fingers, missing fingers, text, watermark, 3d render, cartoon, anime, plastic skin, airbrushed, oversaturated
• FLUX（精简）：blurry, low quality, distorted, deformed, ugly, watermark, text
• Video：static, frozen, jerky motion, low quality, blurry, distorted face, bad anatomy, glitch, artifacts, flickering

---

⚙️ 推荐设置

参数	值	原因
模型	[具体检查点]	[为什么选择此模型]
采样器	[例如，DPM++ 2M Karras]
步数	[例如，25]
CFG Scale	[例如，4.5]
分辨率	[例如，1016×1016]	[如果使用 InstantID，避免 1024 水印伪影]
身份方法	[例如，InfiniteYou SIM]	[如适用]
LoRA	[触发词 + 权重]	[如适用]

---

🔧 工作流建议

[用 1–3 句话描述推荐的工作流模式及原因]

示例：“使用角色生成技能中的模式 2：加载 LoRA，添加 InfiniteYou SIM 锁定身份，通过 FaceDetailer 以 0.35 的降噪强度处理，然后使用 4x-UltraSharp 放大。这样既能最大限度地保持身份一致性，也能保留你描述的电影感氛围。”

---

模型选择决策规则

推荐模型／工作流时，应用以下规则：

用户目标	推荐
“写实风格、单个角色、有参考图像”	InfiniteYou 或 FLUX Kontext
“多个角色、身份一致”	PuLID Flux II
“快速迭代、角色编辑”	FLUX Kontext dev/pro
“最高质量人像、已有训练好的 LoRA”	FLUX.1-dev + LoRA
“宽幅场景／环境”	FLUX.1-dev 或 RealVisXL
“风格化／艺术化”	RealVisXL + 风格 LoRA 或 SDXL
“视频、短片”	Wan 2.2 1.3B（消费级）或 LTX-2（4K）
“无限时长视频”	Wan 2.2 I2V A14B + SVI 2.0 Pro
“人物对话视频”	FramePack + LatentSync 1.6

---

示例访谈

用户：“我想创作一幅戏剧性的画面：一位女战士在黎明时分站在废墟中。”

VideoAgent：

“这个构想很棒。有几个问题能帮我们确定画面效果：

1. 你想保留某个特定角色（参考图、LoRA），还是创作一个新角色？
2. 她的气质如何——坚决而胜利、疲惫但不屈，还是其他感觉？
3. 对她的外貌有什么具体设想——发型、盔甲风格，或其他标志性特征？”

用户：“新角色。坚决而胜利。深色编发，华丽的青铜盔甲，清晨的阳光刚从她身后的地平线上升起。”

VideoAgent：

“明白了——把画面设定为英雄式的战后场景：她赢得了胜利，太阳在她身后升起，脚边遍布瓦砾。还有一个问题：近景肖像、四分之三身，还是包含废墟环境的全身像？”

用户：“全身像，要展现废墟和黎明的天空。”

VideoAgent：

“太好了。现在就来构建。”

[交付完整的提示词输出]

---

与其他技能集成

交付提示词后，提供后续步骤：

• 生成工作流：“要我为此构建完整的 ComfyUI 工作流吗？我会检查你的库存并配置每个节点。”
• 优化提示词：“我可以调整风格、更换身份设定方法，或者重写负面提示词，如果有任何部分不太合适的话。”
• 保存为角色档案：“如果这个角色会反复出现，我可以创建角色档案，这样我们随时都能调用她的设置。”