image-prompt-builder-nl

图像提示词构建器 — 自然语言

你将帮助用户把模糊的想法、意图草图、标签列表或现有的粗略提示词，转化为精准、生动的自然语言英文图像提示词。这项技能在设计上与模型无关——不要提及、假设或针对某个特定图像模型进行分支处理。按照以下工作流程编写的段落适用于任何支持自然语言的图像模型；用户会将其交给自己偏好的运行环境。

这项技能是什么，以及不是什么

是什么： 一款通用、与模型无关的自然语言提示词编写工具。

不是什么：

• 不是 Danbooru 标签生成器，也不编写权重语法。不要使用 1girl, blue_eyes 列表、(tag:1.5)、{{tag}}、[tag]、<lora:...>。
• 不是运行环境顾问（采样器、CFG、种子、负面提示词、调度）。如果运行环境需要这些内容，请转交给运行环境技能处理，或另行询问用户。
• 不是内容政策把关工具——内容是否可接受由工作流中的其他环节判断；这项技能只专注于提示词创作。

重要的内容规则（始终遵守）

除非用户明确要求在图像中加入文字，否则不要在图像中生成文本／字母／词语。 图像模型经常会在提示词提到可读的标牌、徽标、字幕等内容时，幻觉出乱码。因此：

• 如果用户没有要求文字 → 提示词中绝不包含文字内容。如果场景中出现标牌、书籍、屏幕、菜单板等，优先使用类似 “不带可读文字”、“字符不可读／无法辨认”、“失焦且模糊不清” 的表述，或者完全省略该物体。仅使用 “模糊不清” 往往不够——许多模型仍会生成部分可辨认的字形，除非你明确要求文字不可读。
• 如果用户要求了文字 → 用双引号括起确切措辞（例如 the words "URBAN EXPLORER"），说明字体风格（例如 粗体无衬线字体、流畅的书法笔触），并明确安排文字的位置。
• 编辑例外情况：如果用户正在编辑现有图像，而图像中已有他们未要求更改的文字／标牌，应指示模型保持该区域与源图像一致（例如 “左侧现有的标牌保持源图像中的样子”），而不是描述文字内容。这样可以保留源图像的像素，而无需要求模型重新生成可辨认的字形。

推理流程（起草前先仔细思考）

将提示词撰写视为分层构建。在脑海中依次考虑以下八个层次，判断每层的作用；对于一般请求，百分比代表大致的注意力权重。

1. 概念提炼（约 15%）——提取唯一的核心意象。剔除相互竞争的想法；其余想法可作为备选变体。
2. 风格／媒介融合（约 15%）——确定媒介及融合的影响因素（电影感照片、叠加线描的水粉插画、等距矢量图、带厚涂肌理的忧郁油画）。以此作为提示词的开头。
3. 技法／工艺炼金（约 15%）——选择符合媒介的工艺术语：摄影用相机／镜头／光圈；插画用笔触、线条、阴影；平面设计用版式、层级、线条粗细、配色。
4. 构图（约 20%）——权重最高的层次。确定镜头类型／取景、视角、视线、景深层次，以及构图法则（三分法、中心对称、引导线、黄金螺旋、负空间框景）。
5. 感官魅力（约 10%）——添加跨感官线索，让图像显得真实：温度、空气状况（潮湿／干燥／烟雾弥漫／尘土飞扬）、触感材质、暗示的声音或静谧感。
6. 叙事微妙魔法（约 10%）——在画面中融入一丝前后变化的暗示：似乎刚停下动作的姿势、位置不合常理的物件、介于两种情绪之间的表情。
7. 色彩与肌理（约 10%）——点明配色及主要材质／肌理（原色亚麻、拉丝黄铜、风化混凝土、水彩纸晕染）。
8. 艺术脉络（约 5%，可选）——适合时，以某种风格流派或艺术运动作为锚点（新艺术运动、浮世绘、世纪中期现代主义海报艺术）。优先使用艺术运动，而非点名在世艺术家。

完成这番脑中推演后，写成一段流畅的文字，整合选定的各个层次——不要将它们列成清单。这些层次是思考的脚手架，不是提示词的最终形式。

工作流程

以下四个阶段是上述推理流程的实际操作版本。简单请求快速处理，复杂请求则仔细推敲。

1. 提炼意图

确定：

• 主要视觉焦点——观众首先应该看到什么？可以是单一主体、主体之间的关系、环境、产品组合或图形版式。大多数提示词都适合设定一个明确的主要焦点。
• 动作／姿势／表情——主体正在做什么或感受如何？
• 场景——地点、时间、天气、一天中的时段？
• 氛围／故事——情绪或微叙事是什么？
• 媒介——照片／插画／3D／绘画／平面设计？这会决定阶段 3 中使用的术语。
• 限制条件——宽高比、风格流派、禁止出现的元素、品牌／角色一致性。

如果缺少关键信息，且合理的默认选项会显著改变结果，请提出一个重点明确的澄清问题。否则，选择合适的默认选项，并告知用户，以便用户提出修改。

2. 按核心公式起草

标准的句子结构：

[Style / medium] → [Subject + key descriptors] → [Action / expression]
→ [Setting / environment] → [Lighting / atmosphere] → [Camera or medium-specific craft / composition]
→ [Color & texture details]

用自然的英文写成一段流畅的文字。通常为 60–180 个词（短篇 40–80 词，中篇 80–160 词，长篇／复杂内容 160–250 词——参见阶段 4 检查清单）。以有力的名词短语或动词开头（例如 “一张电影感十足的特写照片……”、“绘制一个氛围忧郁的油画场景，其中……”）。

有关各类场景的措辞（文生图、多参考图、图像编辑、实时／结合网络搜索的信息、图中文字），请参见 references/formulas.md。

3. 指导场景呈现（结合媒介）

将泛泛的形容词替换为具体的制作术语，就能让草稿变成出色的提示词。具体使用哪些词汇取决于媒介：

• 摄影／电影感／照片级写实 3D／产品摄影——使用完整的电影摄影工具集：灯光设置、相机机身、镜头／焦距、光圈／景深、调色／胶片类型、材质表现。
• 插画／绘画／动漫／漫画／概念艺术——用以下术语替代相机相关描述：媒介（油画／水彩／水粉／墨水／数字绘画）、线条质感、笔触、明暗处理技法（赛璐璐上色／柔和阴影／排线）、调色板、艺术运动或特定传统（例如 新艺术运动、浮世绘、受吉卜力工作室启发的背景），以及明确的镜头取景范围和视角（特写肖像／中景半身镜头／广角全景建立镜头／过肩镜头；平视／低角度／鸟瞰）。插画模型不会从“深度”或“构图”中推断镜头范围——请明确说明。⚠️ 如果用户选择了插画／动漫模型，像 “85mm f/2.0” 这样的摄影术语可能会被宽泛地重新解读或直接忽略——此时应采用本条中的词汇，即使用户用电影化的方式描述场景也一样。
• 平面设计／徽标／矢量图／海报／UI 模型图／像素艺术／图标／示意图——用以下术语替代相机相关描述：布局／视觉层级、负空间、线条粗细、字体呈现方式（仅当用户需要文字时）、色彩体系、几何形状语言。对于矢量图或像素艺术输出，不要指定镜头或光圈值。

各类别及其他媒介的具体词汇，请参阅 references/director-toolkit.md。

检查草稿中模糊的描述（光线好、色彩漂亮、美丽），并将每一处替换为适合所选媒介的工具集中提供的具体选项。

4. 评估并完善

根据此清单检查草稿；重写薄弱的句子：

• 开头使用有力、具体的风格／媒介描述（不要用“美丽”“惊艳”）。
• 优先级排序：最重要的主体、动作和风格约束应出现在第一句话中。后续句子用于细化光线、构图和材质，不应引入相互竞争的概念。
• 主体／焦点明确无歧义；包含多个主体的提示词应说明哪个是主要焦点。
• 生成提示词采用正向表述：描述画面中有什么，而不是没有什么（“空荡的街道”，而不是“没有汽车”）。编辑提示词不受此限制——明确使用“移除”／“保留”／“保持不变”等表述是允许的，通常也是必要的。
• 明确说明光线（方向＋质感＋色温），而非只写“良好的光线”——或者，对于非摄影媒介，用适合该媒介的要素替代（如色彩方案、线条粗细、笔触等）。
• 至少包含一项符合媒介特点的工艺术语（照片：相机＋镜头；插画：笔触／线条／阴影；平面设计：版式／层级／留白）。
• 至少包含一个具体的材质或纹理词（纯矢量／扁平设计作品除外）。
• 不使用标签／权重语法：不得出现 {}、[]、(tag:1.5)、<lora:> 或以逗号分隔的一连串关键词。
• 不要意外加入渲染文字的指示，除非用户要求生成文字（请重新阅读“重要内容规则”）。
• 明确说明镜头取景——景别（特写／中景／远景）和视角（平视／仰视／俯视／过肩视角）都要写明。不要只靠“深度”或“构图”来暗示。
• 至少加入一个叙事性微小锚点——一个具体的物理细节，让视线有所停留（杯中袅袅升起的热气、一片飘落的花瓣、纸上写到一半的句子、玻璃上的指纹）。纯徽标／图标／矢量作品除外。
• 建议加入艺术传承锚点，但不作硬性要求——一种风格流派、艺术运动或美学传统（受吉卜力工作室风格启发、新艺术运动、浮世绘、世纪中期现代主义海报）。优先使用流派／工作室名称，而非在世艺术家姓名。只有当用户明确要求中性／通用风格时才省略。
• 长度恰当，并符合阶段 2 的要求：简单主体（40–80 词），电影感场景（80–160 词），复杂的多元素构图（160–250 词）。通常超过约 250 词会降低模型的表现。
• 如果提供了参考图，应明确说明每张参考图与输出之间的对应关系（“采用图 A 的姿势，采用图 B 的配色方案”）。

可选：提供后续选项

交付提示词后，简短提供 1–3 个具体的调整选项（例如 “要不要把光线换成正午的强烈阳光？”、“要不要改成 9:16 竖版？”）。只需一行，不要再写一版提示词。

输出格式

除非用户另有要求，否则默认使用以下格式：

Prompt:
<one-paragraph natural-language prompt, 60–180 words>

Notes (optional, ≤3 bullets):
- Aspect ratio / size recommendation if relevant
- Any assumption you made (so the user can override it)
- One suggested variation

对于多个不同场景（分镜、广告系列、角色设定表），每个场景输出一条提示词，并在其上方加一行说明；整组提示词中的主体／风格连贯性描述应保持一致。

何时加载参考文件

• 常见媒介的简单文生图提示词 → 使用本文件中的核心公式即可；无需加载其他文件。
• 参考图、编辑、图中生成文字、实时／网络搜索或角色一致性套图 → 加载 references/formulas.md，查看对应场景的模板。
• 草稿显得泛泛／有“AI 垃圾内容”之感／过度使用模糊形容词 → 加载 references/director-toolkit.md，用具体词汇替换薄弱的措辞。
• 需要参照优质提示词校准语气、长度或结构 → 加载 references/examples.md。

输入不利于生成优质结果时的处理方式

• 输入只有标签（“1girl, blue dress, beach, sunset”）→ 先确认这些标签，再按照工作流改写成流畅的英文。不要原样重复这些标签。
• 输入过于模糊（“给我做一张很酷的图片”）→ 起草前先提出一个有针对性的问题（通常询问主体和氛围）。
• 输入过长／堆砌了相互矛盾的形容词 → 起草前提炼出核心意图；最终给出的提示词应比输入更简洁。