krea2-prompt-suite

Krea 2 提示词套件

核心目标

将一个想法、现有提示词、一张或多张图片，或一次失败的生成，转化为可用于生产的 Krea 2 提示词和可执行的生成计划。支持多种模式，而不是强迫每个请求都套用同一个模板。

操作原则

1. 编写提示词前，先识别请求的模式。根据上下文推断模式；只要能合理假设，就不要提出澄清问题。
2. 区分托管版 Krea 2 Medium/Large 与开放权重版 Krea 2 RAW/Turbo。切勿混用它们的参数或能力。
3. 将 Krea 2 视为自然语言模型。优先描述具体的视觉关系，而不是泛泛的质量标签或互不相关的关键词堆砌。
4. 有意使用简短提示词进行探索，使用信息密集的提示词进行控制。不要认为提示词越长就一定越好。
5. 将每项属性明确对应到正确的主体。必要时说明数量、左右位置、姿势、视线、物体交互、前景／中景／背景以及遮挡关系。
6. 原样保留用户约束：宽高比、标题文字、人物数量、姿势、配色、媒介、参考图的作用，以及用户要求省略的内容。
7. 进行图像反向提示时，绝不臆造细节。将不确定的判断标注为可能或不明确。可辨认时，准确转写可见文字。
8. 对于 CFG 为 0 的 Turbo，应将重要的排除项表达为正向约束，因为传统的负面提示词可能不会影响结果。只有下游工作流实际使用负面提示词时，才提供负面提示词。
9. 不要混淆 Krea 2 与 FLUX.1 Krea [dev]。
10. 当前发布信息、API 参数、许可证或节点可能已发生变化；在将其作为事实陈述前，请查证 Krea、Hugging Face、GitHub 或 ComfyUI 官方来源。

模式路由

选择一种主要模式，并按需选择辅助模式：

• create：将概念或简报转化为新的 Krea 2 提示词。
• reverse：分析图像，并重构可直接用于生成的提示词。
• recreate：反向提示并提供控制建议，以便通过图生图尽可能贴近地重现图像。
• expand：扩展简短提示词，但不改变其核心主体或意图。
• refine：改进现有 Krea 2 提示词，同时保留用户要求的内容。
• repair：诊断失败结果，并仅重写导致问题的模块。
• convert：将 SDXL、Pony、FLUX、Midjourney、Ideogram、标签语法或中文简写提示词转换为 Krea 2 自然语言。
• multi-reference：为多张图片分配作用，并融合主体、姿势、构图、风格、配色、材质或氛围，同时避免意外混淆属性。
• typography：制作海报、封面、包装、UI 模型图、标牌或任何含有准确可见文字的图像。
• variants：生成受控的 A/B 变体，或每个版本只改变一个变量的探索矩阵。
• evaluate：评估提示词，找出矛盾、缺失的控制信息和可能的失败点。
• node-system：为 Qwen3-VL、RunningHub LLM API Pro 或其他视觉／LLM 节点编写系统提示词。
• batch：为多个标题、产品、场景或宽高比生成风格一致的一组提示词。

如果任务涉及反向提示、转换、多参考图融合、评估、节点提示词或批量输出，请阅读 references/modes.md。

输入规范化

提取或推断以下字段：

• 目标：探索、受控生成、高度还原、编辑或提示词分析。
• 目标版本：托管版 Medium/Large、开放版 RAW/Turbo，或未知。
• 输入：概念、文本提示词、图像数量，以及每张图像的作用。
• 输出配置：compact、production、exhaustive 或 machine。
• 图像格式：宽高比，以及构图是否必须为文字或留白预留空间。
• 硬性约束：精确文本、主体数量、相关情况下的成年状态、姿势、身体朝向、视线方向、位置、配色、排除项。
• 柔性方向：氛围、美学、写实程度、动态感、复杂度和实验性。

如果目标版本未知，请编写不依赖特定版本的提示词，并将参数建议标注为有条件适用。

通用工作流

1. 构建场景图

在撰写描述前，先用实体和关系表示图像：

• 实体：人物、动物、物体、建筑、地形、文字。
• 属性：外观、服装、材质、颜色、尺寸。
• 动作：姿势、手势、接触、运动、视线。
• 关系：左/右、近/远、前方/后方、内部/顶部、重叠、朝向、持有、指向。
• 层次：前景、中景、背景、氛围。

对于两个或更多相似主体，应分别描述，以防属性混淆。

2. 仅选择有用的提示词模块

采用 references/prompt-architecture.md 中的 K2-SCENE 架构：

• 媒介和图像类型
• 主要主体和层级
• 外观及定义身份的视觉特征
• 姿势、表情、视线和互动
• 构图、景别、相机位置、透视、焦点
• 环境和空间层次
• 光线和色彩体系
• 材质和表面表现
• 风格、制作方法和纹理
• 精确排版
• 正向约束

简单提示词不必强行包含所有模块。只有在有助于提升控制力时才添加细节。

3. 编写连贯的自然语言

默认用一个连贯的英文段落撰写，因为它可以直接用于 Krea 2，也适用于现代图像模型。除非用户要求使用其他语言，否则分析和备注使用中文。

优先采用：

A low-angle three-quarter portrait of one adult woman standing on the right third of the frame...

避免采用：

masterpiece, best quality, woman, sexy, cinematic, 8K, detailed, perfect hands

表达清晰时，可用逗号紧凑地组合内容，但不要堆砌成无结构的标签。

4. 输出前进行验证

检查：

• 主体数量、姿势、相机角度、光线方向、媒介或宽高比之间没有冲突。
• 每件服装、颜色、动作和道具都对应到预期主体。
• 构图符合所需比例。
• 精确文本使用引号标出，并描述其位置、层级、字体类别和换行。
• 没有虚构未经支持的相机型号、焦距、品牌、身份或隐藏细节。
• 没有用泛泛的填充词替代可见信息。
• 约束是正向且可执行的，尤其适用于 Turbo。
• 提示词没有不必要地过长。

正式评估或复杂修复时，使用 references/evaluation.md 中的评分标准。

图像反向提示词

提供图像时，请直接检查图像。不要只改述用户的描述。

1. 将观察结果与推断分开。
2. 记录主体数量、姿势构图、相机取景、空间层次、光线方向、色彩、材质线索、媒介和文字。
3. 按视觉优先级重构提示词，而不是按任意类别排序。
4. 如需近似复现，还应有条件地给出图生图强度／去噪幅度范围和参考控制建议。说明仅凭提示词无法保证像素级重建。
5. 对于多张图像，明确指定各自的作用，例如 Image 1 = pose、Image 2 = palette、Image 3 = clothing，并避免不同作用之间相互干扰。

完整流程请参阅 references/reverse-and-reference.md。

输出配置

精简

仅返回最终提示词，或用户要求的确切格式。

生产（默认）

返回：

1. Final Prompt (EN)，放在一个可复制的代码块中。
2. 仅在能提供尚未表达的控制作用时返回 Positive Constraints。
3. 仅当目标工作流支持时返回 Negative Prompt。
4. 返回 Suggested Settings，并将变体特定事实与建议分开。
5. 仅当不确定性会影响结果时返回 Assumptions。

穷尽

添加场景图、模块拆解、风险分析、两个受控变体和生成策略。

机器

返回符合 assets/krea2-request.schema.json 的有效 JSON；除非用户要求，否则不要在 JSON 外添加 Markdown。

变体处理

开放权重 RAW

适用于可塑性调整、微调、后训练和 LoRA 训练。当前官方仓库指南采用 52 步和 CFG 3.5，分辨率最高约为 1K。应将这些视为特定实现的官方默认值，而非通用定律。

开放权重 Turbo

适用于快速推理。当前官方仓库指南采用 8 步、CFG 0、mu 1.15 和约 1K–2K 的分辨率。优先使用正向约束，而不是依赖负向提示词。

托管版 Medium／Large

不要套用 RAW／Turbo 采样器设置。只有当用户的环境提供相关功能时，才使用创意度、风格参考、情绪板或生成滑块等托管版控制项。Medium 通常定位为更稳定、成本效益更高；Large 则更注重纹理、灵活性和照片级真实感。若需要精确的信息，请核实当前 API／UI 详情。

在提供模型事实或参数建议前，请阅读 references/krea2-core.md。

专项任务

• 摄影、时尚、动漫、电影感、产品、海报、建筑、墨绘、超现实和抽象提示词，请阅读 references/genre-presets.md。
• 用户需要用于图像转文本反向提示词或 LLM 提示词编译的系统提示词时，请阅读 references/comfyui-node-prompts.md。
• 用户要求提供确切的系统提示词而非解释时，请从 assets/system-prompts/ 复制可直接使用的节点提示词。
• 必须将结构化 JSON 确定性地转换为一致的段落时，请使用 scripts/krea2_prompt_compiler.py。

回复规范

• 严格遵循用户要求的输出数量和格式。
• 用户说“只给提示词”时，仅输出提示词。
• 除非用户要求，否则不要用中英文重复表达同一信息。
• 不要更改确切的标题文字、专有名词或图像上的引文文字。
• 对于批量任务，保持共同的视觉体系一致，同时变化用户要求的主体或标题。
• 将已核实的事实与建议分开；如有不确定之处，应明确标注，而不是猜测。