关于 midjourney-prompt-engineering
面向 Midjourney V7 创作者的提示词工程 Skill，涵盖参数、语法和参考系统，并通过记录生成结果与迭代证据积累可复用经验。可按需组合手动创作、跨会话学习和浏览器自动化。
主要功能
- 01Midjourney V7 参数与语法参考
- 02视觉分析与提示词改写
- 03七维度生成结果评分
- 04跨会话模式记录与分析
- 05可选浏览器自动化流程
适用场景
- 01构建 Midjourney V7 提示词
- 02根据生成图像差距调整提示词
- 03记录并验证反复出现的创作模式
MCP 相关
Skill 可选用 sqlite-simple MCP 持久化学习模式，并用 playwright MCP 自动化 midjourney.com；核心规则不需要 MCP。
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/midjourney-prompt-engineering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。
.gitignoreLICENSEAGENTS.mdSTATUS.mdREADME.mdmetadata.json.claude/commands/apply-knowledge.mdresearch.mdshow-knowledge.mddiscover-styles.mdforget-pattern.mdvalidate-pattern.mdreflect.mdlog-iteration.mdnew-session.mdknowledge/failure-modes.mdkeyword-effectiveness.mdlearned-patterns.mdofficial-docs.mdtranslation-tables.mdknowledge/prompt-templates/3d-abstract.mdproduct-photography.mdhero-backgrounds.mdrules/_template.md_sections.mdauto-reference-patterns.mdcore-prompt-construction.mdauto-core-workflows.mdcore-assessment-scoring.mdcore-research-phase.md详细介绍
Midjourney 提示词学习系统
一个了解 Midjourney 的技能。其基础是对 Midjourney V7 的结构化理解，基于官方文档构建，涵盖每个参数、提示词语法规则、参考系统和风格代码机制。在此基础上，还建立了一个学习循环：每次会话都会从有效和无效的做法中提取模式，逐步构建技艺知识库，随着时间推移提升首次生成的质量。
架构
你是一个多模态推理模型。 你不需要流水线——你本身就是视觉评论者、差距分析器和提示词改写器。你可以直接分析 MJ 输出图像、为各项维度评分、识别差距并改写提示词。
你唯一无法原生实现的事情，是跨会话记忆。 持久化层正是为此而设，提供数据库、模式和证据跟踪。
知识基础（随技能附带）
| 文件 | 内容 | 来源 |
|---|---|---|
knowledge/v7-parameters.md | 所有 V7 参数、提示词结构规则以及 V6 的重大变更 | 官方文档 |
knowledge/translation-tables.md | 视觉质量 → 提示词关键词映射（光线、氛围、材质、颜色、构图） | 官方文档 + 经测试的优化内容 |
knowledge/official-docs.md | 文档索引，将每项 MJ 功能链接到其官方页面 URL | docs.midjourney.com |
knowledge/failure-modes.md | 常见 MJ 失败模式的诊断框架 | 从会话中学习，且有证据支持 |
knowledge/learned-patterns.md | 自动生成的模式摘要（会随使用不断扩充） | 从会话中提取 |
knowledge/keyword-effectiveness.md | 关键词有效性排名（会随使用不断扩充） | 从会话中提取 |
静态文件（v7-parameters、translation-tables、official-docs）构成技能的基础知识，也就是熟练的 MJ 用户认真阅读文档后应掌握的内容。动态文件（failure-modes、learned-patterns、keyword-effectiveness）则通过实际会话逐步填充，并随时间不断扩充。
模块依赖
| 模块 | 用途 | 必需的 MCP |
|---|---|---|
核心规则（core-*） | 参考分析、提示词构建、评分、迭代 | 无 |
学习规则（learn-*） | 模式生命周期、反思、关键词跟踪 | sqlite-simple |
自动化规则（auto-*） | 对 midjourney.com 进行浏览器自动化 | playwright |
仅核心（手动）：加载 core-* 规则。手动将提示词复制到 MJ。
核心 + 学习：添加 learn-* 规则 + sqlite MCP。模式会在不同会话间持久保存。
完整系统：添加 auto-* 规则 + playwright MCP。无需动手即可迭代。
# SQLite (for learning rules)
claude mcp add sqlite-simple -- npx @anthropic-ai/sqlite-simple-mcp mydatabase.db
# Playwright (for automation rules)
claude mcp add playwright -- npx @playwright/mcp@latest --headed
# Initialize the database
sqlite3 mydatabase.db < schema.sql
规则速查
| 规则 | 涵盖内容 |
|---|---|
core-reference-analysis | 7 要素视觉框架、词汇转换 |
core-prompt-construction | V7 提示词结构、关键词使用方法、知识应用 |
core-research-phase | 覆盖评估、社区研究工作流 |
core-assessment-scoring | 7 维度评分、置信度标记、Agent 的局限性 |
core-iteration-framework | 差距分析、行动决策、优先考虑宽高比 |
learn-data-model | 数据库架构、会话结构、ID 生成 |
learn-pattern-lifecycle | 置信度等级提升、衰减、知识生成 |
learn-reflection | 会话生命周期、自动反思、对比分析 |
auto-core-workflows | 提交提示词、智能轮询、批量采集、动画 |
auto-reference-patterns | 选择器策略、错误处理、图像分析 |
评分
所有迭代都按7 个维度评分：主体、光线、颜色、氛围、构图、材质、空间。所有 7 个维度始终都会评分（「不适用」时为 1.0）。评分在用户验证前均为初步结果。请参阅 rules/core-assessment-scoring.md。
命令
| 命令 | 用途 |
|---|---|
/new-session | 启动会话并应用全部知识 |
/log-iteration | 记录一次生成尝试，并进行评分和差距分析 |
/reflect | 跨会话分析模式并提取知识 |
/research [focus] | 研究社区中应对某项挑战的技巧 |
/show-knowledge [category] | 显示已学习的模式 |
/apply-knowledge <desc> | 根据模式为描述生成提示词 |
/discover-styles | 浏览并整理 MJ 风格代码 |
/validate-pattern [id] | 将模式标记为已验证或存在矛盾 |
/forget-pattern [id] | 停用某个模式 |
核心原则
每个模式都必须有记录在案的证据。系统从真实的迭代数据中学习，而非依赖假设。置信度等级（低／中／高）反映了某个模式经过测试的次数及其成功率。
完整参考
如需查看整合了所有规则的完整参考，请参阅 AGENTS.md。