AI图像技能提示词生成器

项目概述

skill-prompt-generator 是一个开源的 Claude Code Skills 库，可将简单的创意简报转换为细节丰富、领域准确的 AI 图像生成提示词，从而消除了手动提示词工程，避免了 Midjourney、DALL-E 3 或 Stable Diffusion 等工具带来的工作流程缓慢问题。

项目背景与定位

存在的意义

撰写有效的 AI 图像提示词需要对每个创意领域都有深入的词汇知识：肖像照明术语与海报布局语言、产品摄影材料分类法或电影运动词汇在根本上是不同的。大多数开发人员和创作者缺乏这种广度，他们的提示词要么过于笼统，要么内部不一致。skill-prompt-generator 将这种领域专业知识打包到 12 个专业的 Claude Code Skills 中，并由一个包含 1,246 多个元素的 SQLite 数据库支持——调用一个技能，即可在几秒钟内获得专家级的提示词。

与类似项目的区别

与静态提示词模板库或单功能生成器不同，skill-prompt-generator 是一个具有智能路由的原生 Claude Code Skills 系统。该引擎读取用户意图，自动从 12 个领域模块中选择正确的专业技能，应用语义一致性检查以防止元素冲突，并从元素数据库中采样以确保多样性。2.0 版本增加了跨领域模式，用于多类型场景，以及一个由 200,000 多种颜色、边框和布局组合支持的设计模式——这些功能远远超出了基于规则的模板所能实现的。

功能类别

📸 肖像摄影

包含 502 个精选元素，涵盖照明、镜头、姿势、肤质、表情和时代
智能依赖规则（例如，古代自动触发传统风格）
示例：黄金时段轮廓光、85mm f/1.4 散景、时尚杂志构图、电影级色彩分级
目的：为头像、生活方式和杂志作品生成逼真、技术精确的肖像提示词

🎨 平面设计与海报

包含 155 个元素，涵盖布局、排版、色彩理论和印刷约定
设计模式每次运行都会采样 200,000 多种颜色-边框-装饰组合
示例：瑞士网格海报、霓虹粗野主义卡片、极简品牌标识、复古音乐会传单
目的：生成视觉上独特的、每次运行都不会重复的设计提示词

🛍️ 产品摄影

包含 77 个商业元素，用于桌面照明、材质纹理、背景和品牌背景
示例：漂浮的化妆品瓶、哑光陶瓷漫射光、主视觉饮料、生活方式扁平化布局
目的：为电子商务、广告和目录图像制作具有专业构图规则的提示词

🖼️ 艺术风格

包含 51 个涵盖古典到当代运动的纯艺术技巧元素
示例：中国水墨画、厚涂油画、生成几何抽象、复古波普艺术半色调
目的：将准确的艺术流派词汇应用于任何主题，以生成画廊品质的图像

🎬 视频生成

包含 49 个运动感知元素，用于摄像机运动、节奏和动态场景构图
示例：跟踪推拉镜头、慢动作飞溅、航拍延时、焦点切换揭示
目的：为 Sora、Kling 或 RunwayML 等工具生成具有正确电影语言的视频提示词

📷 通用摄影技巧

包含 205 个元素，涵盖曝光、景深、色彩分级和构图取景
示例：倾斜移轴微缩模型、交叉处理胶片模拟、HDR 风景、三分法裁剪
目的：无论主题类型如何，都能为任何领域提供摄影精度补充

核心亮点

智能 4 步领域路由 — 内置决策树检查用户意图，对主要领域进行分类，检测冲突，并在无需手动配置的情况下调用最合适的专业技能。用户无需知道调用哪个技能。

1,246+ 元素 SQLite 数据库 — 所有提示词词汇都存储在一个规范化的关系数据库（elements.db）中，包含领域、类别、可重用性分数和使用计数器元数据。这使得库在不修改源代码的情况下可查询、可版本化且可扩展。

三种生成模式（v2.0） — 肖像模式保持 v1.0 的完全向后兼容性；跨领域模式混合 2-4 个领域词汇以处理复杂场景；设计模式将 YAML 变量采样器连接到 200,000 多种颜色-边框-布局组合，以生成图形输出。

自学习通用学习器 — 内置的提取管道扫描任何新提示词中未定义的特征，按类别重要性对其进行优先级排序，并在提交到数据库之前生成人工审核报告——使库能够随着时间的推移自主增长。

语义一致性引擎 — 在最终确定提示词之前，IntelligentGenerator 会运行 check_consistency() 和 resolve_conflicts() 来检测不兼容的元素配对（例如，霓虹赛博朋克照明与维多利亚时代背景）并自动纠正它们——防止生成不连贯的图像。

完整的 Python API + Skills 接口 — 开发人员可以直接从 Python 脚本调用 intelligent_generator.py 或通过 Claude Code Skills 接口集成，支持程序化管道和交互式创意会话。

按角色划分的用例

通用开发人员
将 Python API 集成到图像生成管道中。传递一行主题描述；接收一个生产就绪的提示词字符串，可以直接转发给扩散模型 API。自学习系统意味着库会随着您输入新提示词而改进。

DevOps / 自动化工程师
将 CrossDomainGenerator 嵌入到批量作业中，以大规模生成营销资产、产品目录图像或社交媒体内容。200,000 多种组合空间确保了大型运行中的视觉多样性，而无需手动进行提示词变体。

数据与研究团队
使用 SQLite 元素数据库作为提示词工程研究的结构化数据集。通过 export_to_json() 导出以进行版本控制的分析，查询元素共现模式，并对存储在 source_prompts 中的提示词质量分数进行基准测试。

产品与创意团队
交互式使用 Claude Code Skills：用普通语言描述创意概念，让路由系统选择正确的技能（art-master、design-master、video-master 等），并在不学习提示词语法的情况下迭代生成的提示词。设计模式通过在您的团队控制的 YAML 配置文件中编码颜色调色板和排版规则来生成符合品牌要求的输出。

快速入门

🔍 如何查找资源

该项目的 1,246 多个元素按领域组织在 SQLite 数据库中。要探索可用元素：

from element_db import ElementDB

db = ElementDB("extracted_results/elements.db")
print(db.get_stats())                        # 全库指标
results = db.search_by_domain("portrait", min_reusability=0.7)

.claude/SKILL_ROUTING_GUIDE.md 文档记录了完整的 4 步决策树和所有 12 个技能定义。knowledge_base/ 目录包含人类可读的指南（例如，色彩控制理论）。

🛠 如何安装/集成

先决条件： Python 3.9+、anthropic>=0.7.0、pyyaml>=6.0

# 1. 克隆仓库
git clone https://github.com/huangserva/skill-prompt-generator.git
cd skill-prompt-generator

# 2. 安装依赖项
pip install -r requirements.txt

# 3. 通过 Python API 生成提示词
python - <<'EOF'
from intelligent_generator import assemble_prompt_from_elements, query_candidates_by_intent

intent = "a confident young woman in a sunlit café, editorial fashion style"
elements = query_candidates_by_intent(intent)
prompt = assemble_prompt_from_elements(elements, subject_desc=intent)
print(prompt)
EOF

Claude Code Skills 集成

将 .claude/ 目录放在项目根目录中，并在 Claude Code 中打开项目。所有 12 个技能均可立即使用——无需额外配置：

# 在 Claude Code 中，只需描述您的图像：
> Generate a product shot for a matte black water bottle on a marble surface
# → 自动路由到 product-master 技能

v2.0 跨领域模式

from core.cross_domain_generator import CrossDomainGenerator

gen = CrossDomainGenerator()
result = gen.generate(
    intent="cyberpunk city street at night with neon reflections",
    mode="cross_domain"   # 如果省略则自动检测
)
print(result["prompt"])

🤝 如何贡献

# Fork 并克隆
git clone https://github.com/<your-username>/skill-prompt-generator.git
cd skill-prompt-generator

# 创建一个功能分支
git checkout -b feature/add-architecture-domain

# 通过 ElementDB API 添加新元素（优于直接 SQL）
python - <<'EOF'
from element_db import ElementDB
db = ElementDB("extracted_results/elements.db")
db.add_element(
    domain="architecture",
    category="style",
    template="brutalist concrete façade with exposed aggregate",
    keywords=["brutalism", "concrete", "architecture"],
    reusability_score=0.85
)
EOF

# 运行通用学习器以发现未定义的功能
python -c "from intelligent_generator import IntelligentGenerator; IntelligentGenerator().run_learner()"

# 提交并打开一个拉取请求
git add -A && git commit -m "feat: add architecture domain elements"
git push origin feature/add-architecture-domain

项目结构

skill-prompt-generator/
├── intelligent_generator.py    # 主生成引擎和 IntelligentGenerator 类
├── element_db.py               # ElementDB CRUD、搜索、导入/导出
├── framework_loader.py         # YAML 框架加载实用程序
├── prompt_framework.yaml       # 七类框架配置（v1.0）
├── requirements.txt            # Python 依赖项
│
├── core/                       # v2.0 架构模块
│   ├── cross_domain_generator.py   # 统一的三模式生成接口
│   ├── cross_domain_query.py       # 跨领域元素检索引擎
│   ├── design_bridge.py            # YAML 设计系统 ↔ 提示词桥梁
│   ├── variable_sampler.py         # 200K+ 组合采样器
│   ├── yaml_sampler.py             # YAML 变量加载和随机采样
│   └── schema_migration_v1.sql     # 数据库迁移脚本
│
├── .claude/                    # Claude Code 集成
│   ├── claude.md               # 架构规则和设计原则
│   ├── SKILL_ROUTING_GUIDE.md  # 4 步路由决策树
│   └── skills/                 # 12 个技能目录
│       ├── intelligent-prompt-generator/   # 肖像摄影
│       ├── art-master/                     # 纯艺术风格
│       ├── design-master/                  # 平面设计与海报
│       ├── product-master/                 # 产品摄影
│       ├── video-master/                   # 视频生成
│       ├── prompt-master/                  # 编排器技能
│       ├── domain-classifier/              # 意图分类
│       ├── prompt-analyzer/                # 提示词质量分析
│       ├── prompt-extractor/               # 特征提取
│       ├── prompt-xray/                    # 提示词结构检查
│       ├── universal-learner/              # 自学习管道
│       └── prompt-crafter/                 # 设计系统提示词构建器
│
├── variables/                  # 设计系统 YAML 配置
│   ├── colors.yaml             # 37 种配色方案（温暖可爱 + 现代简约）
│   ├── borders.yaml            # 边框样式定义
│   └── decorations.yaml        # 装饰元素库
│
├── design-logic/               # 设计模板目录
│   ├── modern-minimal/         # 深蓝/中性专业风格
│   └── warm-cute/              # 珊瑚粉/天蓝易于访问的风格
│
├── knowledge_base/             # 人类可读的领域指南
│   └── how_to_control_color.md
│
└── extracted_results/          # 生成的提示词输出（gitignored DB）
    └── .gitignore              # 在本地保留 elements.db

许可证

MIT 许可证


✅ 商业用途	允许 — 用于产品、SaaS、客户工作
✅ 修改	允许 — Fork、扩展、重新品牌化
✅ 分发	允许 — 附带署名进行重新分发
✅ 私人使用	允许 — 内部工具、研究
❌ 责任	不提供任何保证；自行承担使用风险
❌ 商标	MIT 不授予项目名称的商标权
ℹ️ 署名	在分发中包含原始 MIT 许可证文本

FAQ

问：我需要 Claude API 密钥才能使用提示词生成器吗？
答：核心 Python 生成引擎（intelligent_generator.py、element_db.py）在本地运行，无需 API 调用。Claude API 仅用于通用学习器的 AI 辅助特征提取步骤——所有其他生成都是确定性的 Python 代码。

问：如何添加新的创意领域（例如，建筑或时尚插画）？
答：使用 ElementDB.add_element() 插入具有新 domain 值的新词汇，然后在 .claude/skills/ 下创建相应的技能目录，遵循现有技能模板。一旦其关键字在 SKILL_ROUTING_GUIDE.md 中注册，路由系统就会自动识别新领域。

问：v1.0 和 v2.0 有什么区别？
答：v1.0 仅支持肖像模式（502 个元素，7 类框架）。v2.0 扩展到 1,246 多个元素，增加了跨领域模式和设计模式，将 SQLite 利用率从 40% 提高到 80%，并引入了 200,000 多种设计组合。v2.0 具有 100% 的向后兼容性；现有的 v1.0 调用无需更改。

问：生成的提示词可以保存和重用吗？
答：是的。save_generated_prompt() 将每个生成的提示词持久化到 source_prompts 表中，并附带质量分数、用户意图和使用的元素 ID。通用学习器之后可以扫描这些存储的提示词，为库发现新词汇。

问：一致性检查器如何防止不良的元素组合？
答：check_consistency() 根据硬编码的不兼容规则（时代冲突、照明矛盾、风格冲突）评估元素对。resolve_conflicts() 应用优先级层次结构——主题 > 照明 > 风格 > 背景——并自动用兼容的替代品替换较低优先级的冲突元素。

快速链接

仓库： https://github.com/huangserva/skill-prompt-generator
v2.0 发行说明： 仓库根目录下的 README_v2.0.md
迁移指南： 仓库根目录下的 UPGRADE_GUIDE_v2.0.md
路由参考： .claude/SKILL_ROUTING_GUIDE.md
架构原则： .claude/claude.md
问题与功能请求： https://github.com/huangserva/skill-prompt-generator/issues

摘要

skill-prompt-generator 是最完整的开源 Claude Code Skills 实现，用于 AI 图像提示词生成，它结合了 1,246 多个元素的领域数据库、跨 12 个专业技能的智能路由以及一个不断扩展库的自学习管道。对于任何希望获得专业级 AI 图像提示词而无需手动掌握每个视觉领域词汇的开发人员、创意团队或自动化工程师来说，它是理想的工具。

skill-prompt-generator