关于 fal-prompting
fal-prompting 是针对 fal.ai 不同模型系列编写提示词的参考技能，结合通用视觉提示建议与 Kling、GPT Image 2、Happy Horse 的专属指引。
主要功能
- 01按模型系列提供提示词指南
- 02以具体视觉细节替代空泛形容
- 03将风格描述对应到视觉元素
- 04每轮只调整一个变量
- 05先检查可用控制项的参数结构
适用场景
- 01为 Kling 视频模型编写提示词
- 02准备结构化的 GPT Image 2 提示词
- 03调整 Happy Horse 提示词
- 04每次改变一个变量以优化视觉结果
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/fal-prompting确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
references/gpt-image-2.mdhappy-horse.mdkling.md详细介绍
fal.ai 提示词
运行时： 所有端点调用均通过 genmedia CLI 运行。命令语法请参阅
genmedia技能；如果尚未安装，请先运行一次genmedia init。
不同模型系列在提示词方面有各自的重要细节。在 GPT Image 2 上有效的提示词（较长、结构化、将准确文本放在引号中），在 Happy Horse 上却会失效（它需要约 20 个简单的英文单词）。此技能汇集了各模型系列专属指南。
何时加载哪份参考资料
| 参考资料 | 加载时机 |
|---|---|
| kling.md | 使用 Kling 视频模型（O3、v3）、多提示词、元素控制、Standard 与 Pro 级别时 |
| gpt-image-2.md | 使用 openai/gpt-image-2 或 /edit、结构化提示词、准确文本、多图合成时 |
| happy-horse.md | 使用 alibaba/happy-horse/text-to-video 或 image-to-video、优先简洁、使用镜头语言时 |
通用原则（适用于所有系列）
- 具体视觉事实胜过华丽形容词。 将“惊艳、电影感、杰作”替换为“阴天日光、拉丝铝材、50 毫米镜头质感”。
- 风格标签需要具体的视觉目标。 将“极简粗野主义”改为“米色背景、粗黑无衬线字体、不对称文字块、大量留白”。
- 每次迭代只控制一个变量。 每次只改变一个维度，比较才有意义。
- 先检查架构，再假设某项控制存在。 使用
genmedia schema <endpoint_id> --json。负面提示词、种子、多提示词和参考图字段因系列而异。 - 各系列专属规则优先于通用建议。 Happy Horse 会拒绝 GPT Image 2 所鼓励的内容。
目录交叉参考
如果你想知道“该用哪个模型”，请参阅 fal-models-catalog：
评论
支持 Markdown