intelligent-prompt-generator

系统已升级到v2.0！现在支持3种生成模式：

1️⃣ Portrait（人像）- 向后兼容

• 适用：纯人像摄影
• 示例："生成一个年轻女性肖像"
• 使用：portrait domain (502个元素)

2️⃣ Cross-Domain（跨域）- 🆕 新功能

• 适用：复杂场景，需要多domain组合
• 示例："龙珠悟空打出龟派气功的蜡像3D感"
• 使用：自动识别需要的domains（portrait + video + art + common）
• 优势：充分利用1,246个元素，利用率从40%提升到80%

3️⃣ Design（设计）- 🆕 新功能

• 适用：设计海报、卡片，需要专业设计规范
• 示例："温馨可爱风格的儿童教育海报"
• 使用：SQLite元素 + YAML变量（配色、边框、装饰）
• 优势：20万+种配色组合

---

重要：系统会自动识别用户需求类型并选择最佳生成模式！

调用方式

当用户请求生成提示词时，你需要：

1. 解析用户输入，识别需求类型
2. 调用Python生成器
3. 返回结果

关键代码：

```python

import os

os.chdir('/Users/serva/.claude/skills/skill-prompt-generator')

from core.cross_domain_generator import CrossDomainGenerator

generator = CrossDomainGenerator()

result = generator.generate(user_input)

print(f"生成类型: {result['type']}")

print(f"提示词: {result['prompt']}")

generator.close()

```

自动识别规则

系统会自动根据用户输入识别类型：

• 有人物 + 无复杂需求 → portrait
• 有人物 + 有动作/特效 → cross_domain
• 有设计风格关键词 → design

---

核心原则：数据库提供通用元素，Claude补充语义内容！

为什么需要智能补充？

数据库包含1,246个元素，涵盖：

• ✅ 光影技术（lighting_techniques）
• ✅ 摄影技术（photography_techniques）
• ✅ 构图方式（poses, compositions）
• ✅ 技术参数（technical_quality）
• ✅ 基础人物特征（skin, face, eyes等）

但数据库不可能穷举：

• ❌ 所有动漫IP（龙珠、火影、海贼王...）
• ❌ 所有角色（悟空、鸣人、路飞...）
• ❌ 所有特殊技能（龟派气功、螺旋丸、橡胶果实...）
• ❌ 所有历史人物（秦始皇、拿破仑、诸葛亮...）

正确的处理流程

当用户请求包含数据库没有的语义内容时（如"龙珠悟空打龟派气功"）：

第1步：你（Claude）先生成语义描述

```

用户输入："龙珠悟空打出龟派气功的蜡像3D感"

你的知识补充：

• 悟空：Son Goku from Dragon Ball, spiky black hair standing upward,

orange gi martial arts uniform, muscular powerful fighter,

determined fierce expression

• 龟派气功：performing Kamehameha energy wave attack,

hands cupped together at the side,

powerful blue energy beam shooting forward,

intense concentration pose, dramatic energy aura

• 蜡像3D感：hyperrealistic wax figure sculpture,

museum quality wax statue, lifelike skin texture,

3D rendered, volumetric lighting, photorealistic CGI

```

第2步：调用Python获取通用元素

```python

from core.cross_domain_generator import CrossDomainGenerator

generator = CrossDomainGenerator()

result = generator.generate(user_input) # 获取光影、技术参数等

# result['prompt'] 包含数据库元素（但缺少角色/动作描述）

db_elements = result['prompt']

```

第3步：合并生成最终提示词

```

最终提示词 = 你的语义描述 + 数据库通用元素

示例输出：

"Son Goku from Dragon Ball, spiky black hair standing upward,

orange gi martial arts uniform, muscular powerful fighter,

performing Kamehameha energy wave attack, hands cupped together,

powerful blue energy beam shooting forward, intense concentration,

hyperrealistic wax figure sculpture, museum quality, lifelike skin,

3D rendered, volumetric lighting, [数据库光影元素], [数据库技术参数]..."

```

示例：完整处理流程

用户："龙珠悟空打出龟派气功的蜡像3D感"

你的处理：

1️⃣ 分析用户需求：

```

• 角色：悟空（龙珠动漫）← 数据库没有，需要Claude补充
• 动作：龟派气功 ← 数据库没有，需要Claude补充
• 风格：蜡像3D感 ← 数据库没有，需要Claude补充
• 光影/技术：← 数据库有，调用Python获取

```

2️⃣ Claude生成语义描述（用你自己的知识！）：

```

角色描述：

"Son Goku from Dragon Ball anime, adult muscular male Saiyan warrior,

iconic spiky black hair defying gravity, wearing orange and blue gi

martial arts uniform with King Kai symbol, intense determined expression"

动作描述：

"performing the legendary Kamehameha attack, classic pose with hands

cupped together pulled back to the side, gathering blue ki energy,

powerful blue energy beam erupting forward, surrounded by intense

blue energy aura, dynamic action pose"

风格描述：

"hyperrealistic wax figure sculpture style, museum quality Madame

Tussauds level detail, lifelike skin texture with subtle pores,

3D CGI render quality, volumetric lighting highlighting muscle

definition"

```

3️⃣ 调用Python获取通用元素：

```python

result = generator.generate("龙珠悟空打出龟派气功的蜡像3D感")

# 获取：cinematic lighting, dramatic rim light, professional photography...

```

4️⃣ 合并输出最终提示词：

```

🎨 生成的提示词：

────────────────────────────────────────────────────────

Son Goku from Dragon Ball anime, adult muscular male Saiyan warrior,

iconic spiky black hair defying gravity, wearing orange and blue gi

martial arts uniform with King Kai symbol, intense determined expression,

performing the legendary Kamehameha attack, classic pose with hands

cupped together pulled back to the side, gathering blue ki energy,

powerful blue energy beam erupting forward, surrounded by intense

blue energy aura, dynamic action pose, hyperrealistic wax figure

sculpture style, museum quality Madame Tussauds level detail,

lifelike skin texture with subtle pores, 3D CGI render quality,

volumetric lighting highlighting muscle definition, cinematic lighting,

dramatic rim light, professional photography quality

────────────────────────────────────────────────────────

📊 元素来源：

• 角色描述：Claude知识补充
• 动作描述：Claude知识补充
• 风格描述：Claude知识补充
• 光影/技术：数据库元素

```

第2.5步：从候选中选择最匹配的元素（关键！）

核心原则：能匹配就用数据库，匹配不上不强求！

Python返回的是候选列表，不是最终结果。你（Claude）需要：

1️⃣ 根据用户需求确定搜索关键词

```

用户输入："龙珠悟空打出龟派气功的蜡像3D感"

你分析出的关键词：

• lighting相关: ["dramatic", "energy", "glow", "rim light", "dynamic"]
• style相关: ["3D", "wax", "sculpture", "CGI", "hyperrealistic"]
• 动作相关: ["action", "power", "blast", "energy beam"]

```

2️⃣ 遍历候选，判断是否匹配

```

lighting_techniques候选（202个）：

├─ "natural window light, soft daylight"

│ → 关键词匹配: 0个 ❌ 不匹配，放弃

├─ "dramatic rim light, edge lighting"

│ → 关键词匹配: dramatic, rim light ✅ 匹配！选中

├─ "neon glow, colorful lighting"

│ → 关键词匹配: glow ✅ 部分匹配，备选

└─ ...

art_styles候选（30个）：

├─ "watercolor painting style"

│ → 关键词匹配: 0个 ❌ 不匹配，放弃

├─ "oil painting classical"

│ → 关键词匹配: 0个 ❌ 不匹配，放弃

├─ "anime cel shading"

│ → 关键词匹配: 0个 ❌ 不匹配，放弃

└─ （遍历完，没有wax/3D/sculpture相关）

→ ⚠️ 整个category匹配不上，不强求！由Claude补充

```

3️⃣ 匹配规则

| 情况 | 处理方式 |

|------|---------|

| 候选关键词包含用户需求 | ✅ 选中该元素 |

| 部分匹配（1-2个关键词） | ⚠️ 备选，看整体一致性 |

| 完全不匹配 | ❌ 放弃，不要硬塞 |

| 整个category都匹配不上 | ⚠️ 该category由Claude补充 |

4️⃣ 示例：完整的选择过程

```

用户："龙珠悟空打出龟派气功的蜡像3D感"

【lighting_techniques】202个候选

搜索关键词: dramatic, energy, glow, rim, dynamic, power

遍历结果:

- "natural window light" → 匹配0个 → 放弃

- "soft diffused lighting" → 匹配0个 → 放弃

- "dramatic rim light" → 匹配2个(dramatic, rim) → ✅ 选中！

- "cinematic lighting" → 匹配1个(dynamic感觉相关) → 备选

最终选择: "dramatic rim light, cinematic lighting"

【art_styles】30个候选

搜索关键词: 3D, wax, sculpture, CGI, hyperrealistic

遍历结果:

- "watercolor" → 匹配0个 → 放弃

- "anime style" → 匹配0个 → 放弃

- ... (全部遍历)

- 没有任何候选匹配 wax/3D/sculpture

最终选择: ⚠️ 无匹配，由Claude补充

【photography_techniques】50个候选

搜索关键词: action, dynamic, motion, blur

遍历结果:

- "portrait photography" → 匹配0个 → 放弃

- "dynamic action shot" → 匹配2个(dynamic, action) → ✅ 选中！

最终选择: "dynamic action shot"

```

5️⃣ 最终组合

```

最终提示词 =

Claude补充（数据库没有/匹配不上的）:

- 悟空外貌描述

- 龟派气功动作描述

- 蜡像3D风格描述（art_styles匹配不上）

+

数据库选中（匹配上的）:

- dramatic rim light（lighting匹配上了）

- dynamic action shot（photography匹配上了）

- cinematic quality（technical匹配上了）

```

---

什么时候需要Claude补充？

| 内容类型 | 数据库有？ | 处理方式 |

|---------|----------|---------|

| 光影技术 | ✅ 有 | 从候选中选择匹配的 |

| 摄影参数 | ✅ 有 | 从候选中选择匹配的 |

| 基础人物特征 | ✅ 有 | 从候选中选择匹配的 |

| 动漫角色 | ❌ 没有 | Claude补充 |

| 游戏角色 | ❌ 没有 | Claude补充 |

| 特殊技能/动作 | ❌ 没有 | Claude补充 |

| 历史人物 | ❌ 没有 | Claude补充 |

| 特定IP风格 | ❌ 没有 | Claude补充 |

| 数据库有但匹配不上 | ⚠️ 有但不匹配 | Claude补充 |

Claude补充时的质量要求

✅ 必须详细描述视觉特征：

```

❌ 错误："Goku"（太简单）

✅ 正确："Son Goku from Dragon Ball, spiky black hair standing upward,

orange gi uniform, muscular build, fierce determined expression"

```

✅ 必须使用英文（因为大多数图像生成模型用英文训练）

✅ 必须包含关键视觉元素：

• 角色：外貌、服装、发型、表情
• 动作：姿势、手势、运动方向
• 特效：颜色、形态、光效

✅ 风格描述要具体：

```

❌ 错误："3D style"（太模糊）

✅ 正确："hyperrealistic wax figure sculpture, museum quality,

lifelike skin texture, volumetric lighting, photorealistic CGI"

```

---

重要：本系统基于 prompt_framework.yaml 框架配置文件。

框架定义了什么：

1. 7大类结构：subject（主体）、facial（面部）、styling（造型）、expression（表现）、lighting（光影）、scene（场景）、technical（技术）

1. 所有可用字段：每个类别有哪些字段，哪些必选，哪些可选

1. 字段到数据库的映射：每个字段对应哪个 db_category，使用哪些 search_keywords

1. 依赖规则：字段之间的自动推导（如 era=ancient → makeup=traditional_chinese）

1. 验证规则：完整性和一致性检查

你如何使用框架：

步骤0（自动）：系统已加载框架，你可以直接按框架填充Intent

关键原则：

• ✅ 按照框架的7大类结构填充Intent
• ✅ 必选字段必须填（styling.makeup, lighting.lighting_type等）
• ✅ 框架会自动应用依赖规则（如古装自动推导妆容）
• ✅ 代码会根据框架自动查询数据库

示例Intent结构：

```json

{

"subject": {...},

"facial": {...},

"styling": {

"makeup": "traditional_chinese" // ← 框架定义的字段，代码自动识别

},

"lighting": {

"lighting_type": "cinematic"

},

"scene": {...},

"technical": {...}

}

```

---

1. 语义理解

你能够准确理解用户输入，区分：

• 主体属性（人物的固有特征：性别、人种、年龄）
• 视觉风格（呈现方式：动漫、写实、水墨、油画）
• 场景氛围（环境：赛博朋克、古风、未来、奇幻）

2. 常识推理

你知道基本的人类学常识：

• 东亚人通常是黑色/深棕/棕色眼睛，黑色/深棕头发
• 欧洲人可能有蓝/绿/棕/灰色眼睛，金/棕/黑/红发
• "动漫风格"是绘画技法，不会改变人物的人种特征
• "赛博朋克"是场景氛围（霓虹灯、科技感），不是人物属性

3. 一致性检查

你能检测并修正逻辑冲突：

• 人种 vs 眼睛颜色/发色的不匹配
• 风格关键词 vs 人物属性的混淆
• 重复或矛盾的元素

---

当用户请求生成提示词时，按以下步骤执行：

步骤1：理解用户意图并构造完整Intent

重要：每个intent必须包含完整的必选元素，如果用户未明确指定，你必须智能补充默认值。

---

#### 必选元素（REQUIRED）

核心原则：全面提取用户需求的所有条件，不遗漏任何关键信息！

1. subject（主体）

• gender: 从用户输入识别，默认 "female"
• ethnicity: 中文语境默认 "East_Asian"，英文语境根据描述推断
• age_range: 默认 "young_adult"

2. clothing（服装） ← 新增！必须识别服装风格

根据用户输入识别：

| 用户输入 | clothing值 | 说明 |

|---------|-----------|------|

| "古装"、"传统服饰"、"汉服" | "traditional_chinese" | 中国传统服装 |

| "和服" | "kimono" | 日本传统服装 |

| "现代"、"时尚"、无特别说明 | "modern" | 现代服装（默认）|

| "职业装"、"西装" | "business" | 职业装 |

| "休闲" | "casual" | 休闲装 |

| "礼服" | "formal" | 正式礼服 |

3. hairstyle（发型） ← 新增！服装匹配发型

根据clothing自动匹配：

| clothing | hairstyle | 说明 |

|----------|-----------|------|

| traditional_chinese | "ancient_chinese" | 古代发髻、簪花 |

| kimono | "traditional_japanese" | 传统日式发型 |

| modern | "modern" | 现代发型（默认）|

4. makeup（妆容） ← 新增！根据时代和文化背景

根据era + 文化背景自动匹配：

| 条件 | makeup值 | 说明 |

|------|---------|------|

| era=ancient + 中国文化 | "traditional_chinese" | 传统古风中式妆容 |

| era=ancient + 日本文化 | "traditional_japanese" | 传统日式妆容 |

| era=ancient + 其他文化 | "traditional" | 相应传统妆容 |

| era=modern + 无特殊风格 | "natural" | 自然现代妆容（默认）|

| era=modern + 用户明确要求韩系 | "k_beauty" | 韩系妆容 |

| era=modern + 用户明确要求中系 | "c_beauty" | 中系妆容 |

匹配逻辑：

• "古装"、"仙剑奇侠传"、"武侠" → 中国古代背景 → makeup: "traditional_chinese"
• "和服"、"忍者" → 日本古代背景 → makeup: "traditional_japanese"
• 现代场景 + 无特殊要求 → makeup: "natural"

5. era（时代背景） ← 影响整体氛围

| 用户输入 | era值 | 说明 |

|---------|-------|------|

| "古代"、"古装" | "ancient" | 古代背景 |

| "民国" | "republic_of_china" | 民国时期 |

| "现代"、无特别说明 | "modern" | 现代（默认）|

6. lighting（光影） ← 核心改进：每个人像必须有光影！

根据用户输入选择：

| 用户输入 | lighting值 | 说明 |

|---------|-----------|------|

| 无特殊说明 | "natural" | 自然光（默认） |

| "电影级"、"cinematic" | "cinematic" | 电影灯光 |

| "张艺谋"、"张艺谋电影" | "zhang_yimou" | 戏剧性光影 |

| "黑色电影"、"film noir" | "film_noir" | 高对比光影 |

| "赛博朋克" | "neon" | 霓虹灯光 |

| "柔光"、"soft" | "soft" | 柔和光线 |

| "戏剧"、"dramatic" | "dramatic" | 戏剧性灯光 |

7. atmosphere（氛围）

• theme: 场景主题，默认 "natural"
• director_style: 导演/特殊风格（识别特定导演或风格流派）

导演风格识别表：

| 用户输入 | director_style | 特征 |

|---------|---------------|------|

| "徐克"、"徐克风格" | "tsui_hark" | 武侠、飘逸、动感 |

| "张艺谋" | "zhang_yimou" | 戏剧性光影、红金色调 |

| "王家卫" | "wong_kar_wai" | 怀旧、氛围感、色彩浓郁 |

| "武侠" | "wuxia" | 武侠氛围 |

| "古装剧" | "period_drama" | 古装剧氛围 |

---

#### 可选元素（OPTIONAL）

8. visual_style（视觉风格）

• art_style: 如 "anime", "realistic", "illustration"

9. special_requirements（特殊要求）

• 用户的其他特殊需求（飘逸、动感、神秘等）

---

#### Intent构造示例

示例0：用户说"徐克风格的电影级的年轻女子古装图片" ← 完整需求提取示范

你的全面分析（提取所有条件）：

```json

{

"subject": {

"gender": "female",

"ethnicity": "East_Asian",

"age_range": "young_adult",

"reasoning": "年轻女子 → 东亚女性"

},

"clothing": "traditional_chinese", // ← "古装" → 中国传统服装！

"hairstyle": "ancient_chinese", // ← 自动匹配：古装→古代发型！

"makeup": "traditional_chinese", // ← 自动匹配：古装+中国→传统中式妆容！

"era": "ancient", // ← "古装" → 古代背景！

"lighting": "cinematic", // ← "电影级" → 电影灯光！

"atmosphere": {

"theme": "period_drama", // ← "古装" → 古装剧氛围

"director_style": "tsui_hark", // ← "徐克" → 武侠、飘逸、动感！

"special": ["wuxia", "flowing", "dynamic"] // ← 徐克特征

},

"visual_style": {

"art_style": "cinematic"

}

}

```

关键：

• ✅ "古装" → 提取了4个条件：clothing, hairstyle, makeup, era
• ✅ "徐克风格" → 识别导演特征：武侠、飘逸
• ✅ "电影级" → lighting = cinematic
• ✅ 所有条件都被识别，没有遗漏！

---

示例1：用户说"生成一个女孩"

你的分析（补充所有默认值）：

```json

{

"subject": {

"gender": "female",

"ethnicity": "East_Asian",

"age_range": "young_adult",

"reasoning": "中文语境，补充默认值"

},

"clothing": "modern", // ← 默认现代服装

"hairstyle": "modern", // ← 默认现代发型

"makeup": "natural", // ← 默认自然妆容

"era": "modern", // ← 默认现代背景

"lighting": "natural", // ← 默认自然光

"atmosphere": {

"theme": "natural"

}

}

```

示例2：用户说"赛博朋克风格的动漫少女"

你的分析：

```json

{

"subject": {

"gender": "female",

"age_range": "young_adult",

"ethnicity": "East_Asian",

"reasoning": "中文'少女' → 东亚女性"

},

"makeup": "natural", // ← 现代场景，默认自然妆容

"visual_style": {

"art_style": "anime",

"reasoning": "'动漫'是绘画技法，不改变人物属性"

},

"lighting": "neon", // ← 识别"赛博朋克" → 霓虹灯光

"atmosphere": {

"theme": "cyberpunk",

"reasoning": "'赛博朋克'是场景氛围，使用霓虹灯光"

}

}

```

示例3：用户说"电影级的亚洲女性，张艺谋电影风格"

你的分析：

```json

{

"subject": {

"gender": "female",

"ethnicity": "East_Asian",

"age_range": "young_adult"

},

"makeup": "natural", // ← 现代场景，默认自然妆容

"visual_style": {

"art_style": "cinematic"

},

"lighting": "zhang_yimou", // ← 识别导演风格 → 戏剧性光影

"atmosphere": {

"theme": "cinematic",

"director_style": "zhang_yimou",

"reasoning": "张艺谋风格需要戏剧性光影（dramatic shadows, rim lighting, chiaroscuro）"

}

}

```

示例4：用户说"仙剑奇侠传真人电影风格的年轻古装女子" ← 框架格式示例

你的分析（按框架7大类结构）：

```json

{

"subject": {

"gender": "female",

"ethnicity": "East_Asian",

"age_range": "young_adult"

},

"styling": {

"clothing": "traditional_chinese", // ← "古装" → 中国传统服装

"hairstyle": "ancient_chinese", // ← 古装 → 古代发型

"makeup": "traditional_chinese" // ← 古装+中国 → 传统中式妆容（不是k_beauty！）

},

"lighting": {

"lighting_type": "cinematic" // ← "电影级" → 电影灯光

},

"scene": {

"era": "ancient", // ← "古装" → 古代背景

"atmosphere": "fantasy" // ← "仙剑奇侠传" → 仙侠奇幻

},

"technical": {

"art_style": "cinematic" // ← "真人电影" → 电影级写实

}

}

```

关键：

• ✅ 按框架7大类结构组织Intent
• ✅ styling.makeup = "traditional_chinese"（传统古风中式妆容，NOT k_beauty！）
• ✅ 框架会自动应用依赖规则
• ✅ 代码会自动读取框架查询数据库

---

#### 关键原则

✅ 每个intent必须包含lighting和makeup字段（即使用户没说）

✅ makeup由era和文化背景决定：古装+中国 → traditional_chinese

✅ "动漫风格" = 绘画技法（如何画），不是人物属性（画什么）

✅ "赛博朋克" = 场景氛围 → lighting应为"neon"（霓虹灯光）

✅ "少女"（中文语境）→ 推断为东亚女性

✅ 光影和妆容是照片的基础元素，不是装饰！

---

步骤2：查询所有候选元素

代码负责查询，SKILL负责选择：

```python

from framework_loader import FrameworkDrivenGenerator

# 创建框架驱动生成器

gen = FrameworkDrivenGenerator()

# 你在步骤1构造的Intent

intent = {

'subject': {'gender': 'female', 'ethnicity': 'East_Asian', 'age_range': 'young_adult'},

'styling': {'makeup': 'traditional_chinese'},

'lighting': {'lighting_type': 'cinematic'},

'scene': {'era': 'ancient', 'atmosphere': 'fantasy'},

'technical': {'art_style': 'cinematic'}

}

# 查询所有候选元素（不做选择，返回所有）

candidates = gen.query_all_candidates_by_framework(intent)

# 返回结果示例：

# {

# 'styling.makeup': [11个妆容候选],

# 'lighting.lighting_type': [202个光影候选],

# 'facial.eyes': [10个眼型候选],

# ...

# }

```

这一步代码做什么：

• ✅ 查询数据库，返回每个字段的所有候选元素
• ✅ 每个候选都包含：名称、中文名、模板、关键词、评分
• ❌ 不做选择（代码不知道哪个最合适）

---

步骤3：SKILL分析和选择最优元素 ⭐

这是核心步骤！你（SKILL）要从候选中选出最优组合

#### 输入信息

1. 用户原始需求：如"仙剑奇侠传真人电影风格的年轻古装女子"
2. Intent：步骤1构造的结构化意图
3. 所有候选元素：每个字段的完整候选列表（带评分）

#### 分析维度

必须考虑的维度（从简单到复杂）：

维度1：语义匹配 ⭐⭐⭐

```

用户要求：仙剑奇侠传古装女子

Intent：makeup = 'traditional_chinese'

候选列表（styling.makeup）：

1. 韩系妆容 (K-beauty) - 评分 9.8 ❌ 韩国现代，不匹配
2. 中系妆容 (C-beauty) - 评分 9.7 ✓ 中国现代，部分匹配
3. 传统古风中式妆容 - 评分 8.0 ✅ 中国古代，完美匹配！

选择：传统古风中式妆容（虽然评分低，但语义最匹配）

```

维度2：文化一致性 ⭐⭐

```

如果选了：

• clothing: 汉服传统服饰 ✅
• hairstyle: 传统中式发髻 ✅
• makeup: 印度传统妆容 ❌ 不一致！

修正：makeup也要选中式

```

维度3：时代一致性 ⭐⭐

```

场景：era = 'ancient'（古代）

检查所有元素：

• makeup: traditional_chinese ✅ 古代妆容
• lighting: neon ❌ 霓虹灯是现代的！

修正：古代场景不要用现代元素

```

维度4：生物学一致性 ⭐

```

subject.ethnicity = 'East_Asian'

眼睛候选：

• blue eyes ❌ 东亚人不会有蓝眼睛
• green eyes ❌ 东亚人不会有绿眼睛
• almond brown eyes ✅ 符合东亚人特征

选择：almond brown eyes

```

维度5：整体协调性 ⭐⭐

```

用户要求：电影级的古装女子

检查元素风格是否统一：

• lighting: cinematic ✅
• clothing: traditional ✅
• makeup: traditional ✅
• hairstyle: traditional ✅

所有元素风格一致 → 好！

```

维度6：结构完整性 ⭐⭐⭐

```

检查必选字段：

• makeup字段：✓ 选到了"传统古风中式妆容"
• lighting字段：✓ 选到了"cinematic lighting"

所有必选字段都有元素 → 完整！

```

#### 选择策略：使用全局最优算法 ⭐

重要：必须使用 ElementSelector.select_best_element() 函数进行全局最优选择！

为什么不用贪心策略？

```

❌ 贪心策略（第一个匹配就选）的问题：

用户："婴儿肥的日本女生"

关键词：['round', 'soft', 'gentle']

遍历候选：

1. 精致鹅蛋脸 - 不包含'soft' → 跳过

2. 柔和古典脸型 - 包含'soft' → 选这个！停止

3. 圆脸 - 包含'round'和'plump' → 没到这里

结果：选了"柔和古典"（精致），而不是"圆脸"（丰满）

问题：'soft'有歧义，可能是精致的柔和，也可能是丰满的柔软

```

✅ 全局最优策略（必须使用）：

```python

from framework_loader import ElementSelector

# 对每个字段的候选，使用全局最优选择

for field_name, candidates in candidates_dict.items():

# 1. 确定搜索关键词（根据用户需求）

if field_name == 'facial.face_shape':

# 用户说"婴儿肥" → 精确关键词

keywords = ['round', 'plump', 'full', 'chubby']

elif field_name == 'styling.makeup':

# 用户说"古装" → 传统中式妆容

keywords = ['traditional', 'chinese', 'ancient']

else:

keywords = [intent_value] # 使用Intent中的值

# 2. 调用全局最优选择函数

best_elem, score = ElementSelector.select_best_element(

candidates=candidates, # 所有候选

user_keywords=keywords, # 用户需求关键词

user_intent=intent, # 完整Intent

field_name=field_name, # 字段名

debug=False # 是否显示调试信息

)

# 3. 保存选中的元素

if best_elem:

selected_elements[field_name] = best_elem

```

ElementSelector的工作原理：

```

多维度评分机制（0-100分）：

1. 关键词匹配度（60%）

- 用户关键词在元素中的覆盖率

- 例如：['round', 'plump', 'full'] 中有2个匹配 → 2/3 = 67% → 40分

1. 元素质量评分（30%）

- 元素的reusability_score（0-10）

- 例如：9.0 → (9.0/10) * 30 = 27分

1. 语义一致性检查（±10%）

- 检测冲突 → 扣分（如：婴儿肥 vs 精致 → -20分）

- 完美匹配 → 加分（所有关键词都匹配 → +10分）

总分 = 40 + 27 + 0 = 67分

```

实际案例对比：

```

场景：用户要求"婴儿肥"

候选1: 柔和古典脸型

- 关键词：['soft classical', 'refined features']

- 匹配：'soft' (1/4) → 15分

- 质量：9.5 → 28.5分

- 一致性：包含'refined'，与'plump'冲突 → -20分

- 总分：23.5分

候选2: 圆脸

- 关键词：['round face', 'plump face', 'full cheeks']

- 匹配：'round', 'plump', 'full' (3/4) → 45分

- 质量：9.0 → 27分

- 一致性：完美匹配 → +10分

- 总分：82分 ✅ 最高！

→ 选择"圆脸"（82分 > 23.5分）

```

使用建议：

1. 简单场景：

- 关键词明确 → 直接使用Intent值作为keywords

- 例如：makeup='natural' → keywords=['natural']

1. 复杂场景：

- 用户描述需要翻译 → 构造精确关键词列表

- 例如："婴儿肥" → keywords=['round', 'plump', 'full', 'chubby']

1. 调试模式：

- 设置 debug=True 可以看到每个候选的详细评分

- 用于理解为什么选择了某个元素

默认行为：

• 所有字段都使用全局最优策略
• 自动应用语义一致性检查
• 确保选择真正最匹配的元素

#### 输出格式

```python

selected_elements = {

'styling.makeup': <选中的妆容元素>,

'lighting.lighting_type': <选中的光影元素>,

'facial.eyes': <选中的眼型元素>,

...

}

# 分析报告（可选，当用户要求详细时输出）

analysis_report = """

📊 元素选择分析：

【styling.makeup】

候选：11个

选择：传统古风中式妆容

理由：

- 语义匹配：用户要"古装"，需要古代中式妆容

- 排除：韩系（现代）、印度（非中式）、C-beauty（现代）

- 虽然评分不是最高，但语义最匹配

【lighting.lighting_type】

候选：202个

选择：cinematic lighting

理由：

- 用户明确要求"电影风格"

- 匹配"真人电影"的需求

"""

```

---

步骤4：生成最终提示词

将选中的元素组合成提示词：

```python

# 使用选中的元素生成

from intelligent_generator import IntelligentGenerator

gen_core = IntelligentGenerator()

prompt = gen_core.compose_prompt(selected_elements, mode='auto', keywords_limit=3)

gen_core.close()

```

---

步骤5：返回提示词

展示检测到的问题和修正：

如果检测到冲突（例如：东亚人 + 绿眼睛），你应该：

1. 说明问题：

```

⚠️ 检测到不一致：

- 人种：东亚人

- 眼睛颜色：绿色

- 问题：东亚人通常不会有绿眼睛

```

1. 解释原因：

```

💡 分析：

- 'anime'关键词搜索到了"anime hybrid green eyes"元素

- 但'anime'是绘画风格，不应该改变人物的人种特征

- 绿眼睛是某些动漫角色的虚构特征，不符合东亚人的真实特征

```

1. 展示修正：

```

✅ 自动修正：

- 移除：绿眼睛

- 替换为：棕色眼睛（符合东亚人特征）

```

---

步骤4：返回提示词

生成格式：

```

🎨 主题：赛博朋克风格的动漫少女

📋 意图解析：

• 主体：东亚女性，年轻成人
• 绘画风格：动漫风格（线条、渲染方式）
• 场景氛围：赛博朋克（霓虹灯、科技感）

✅ 智能修正（如果有）：

• ✓ 修正眼睛颜色：'green eyes' → 'brown eyes'（符合东亚人特征）
• ✓ 排除了风格关键词中的人物属性元素

✨ 生成的提示词：

────────────────────────────────────────────────────────

[完整提示词]

────────────────────────────────────────────────────────

💡 提示：

• 词数：XX个
• 模式：auto（自动选择keywords）
• 可复制此提示词到图像生成工具使用

```

---

步骤6：保存生成历史 ⭐

这是prompt-analyzer工作的前提！

每次成功生成提示词后，必须保存到数据库，以便后续分析和推荐。

#### 执行保存

```python

from intelligent_generator import save_generated_prompt

# 保存生成的Prompt

prompt_id = save_generated_prompt(

prompt_text=final_prompt, # 完整提示词

user_intent="仙剑奇侠传古装女子", # 用户原始需求

elements_used=selected_elements, # 使用的元素列表

style_tag="ancient_chinese", # 风格标签

quality_score=9.0 # SKILL评估的质量（可选）

)

print(f"✅ Prompt已保存，ID: #{prompt_id}")

```

#### elements_used格式要求

每个元素必须包含：

• element_id: 元素ID（必须）
• category: 类别（如makeup_styles, lighting_techniques）
• field_name: 字段名（如styling.makeup, lighting.lighting_type）

示例：

```python

selected_elements = [

{

'element_id': 'portrait_makeup_styles_003',

'name': 'traditional_chinese_makeup',

'chinese_name': '传统古风中式妆容',

'template': 'traditional Chinese makeup with soft red lips...',

'category': 'makeup_styles',

'field_name': 'styling.makeup',

'reusability': 8.0

},

# ... 其他元素

]

```

#### 保存后数据流向

```

save_generated_prompt()

↓

写入 generated_prompts 表 # Prompt基本信息

↓

写入 prompt_elements 表 # Prompt-元素关联

↓

更新 element_usage_stats 表 # 元素使用统计

↓

返回 prompt_id

↓

prompt-analyzer 可以分析这个Prompt了！

```

#### 注意事项

1. 必须调用：生成成功后必须保存，否则prompt-analyzer无法工作
2. style_tag规范：

- ancient_chinese (古装中式)

- modern_sci_fi (现代科幻)

- traditional_japanese (传统日式)

- cyberpunk (赛博朋克)

- fantasy (奇幻)

1. 质量评分：SKILL应根据以下维度评估（默认9.0）：

- 语义匹配度

- 一致性（无冲突）

- 完整性（满足所有需求）

- 元素质量（平均reusability）

---

示例1：张艺谋电影风格（导演风格 + 戏剧性光影）

用户："生成电影级的亚洲女性，张艺谋电影风格"

你的处理：

1. 解析intent（步骤1）：

```python

intent = {

'subject': {

'gender': 'female',

'ethnicity': 'East_Asian',

'age_range': 'young_adult'

},

'lighting': 'zhang_yimou', # ← 识别导演风格！

'visual_style': {

'art_style': 'cinematic'

},

'atmosphere': {

'theme': 'cinematic',

'director_style': 'zhang_yimou'

}

}

```

1. 调用Python（步骤2）：系统根据lighting='zhang_yimou'添加光影关键词
2. 一致性检查：✅ 无冲突（东亚女性 + 黑眼睛）
3. 返回提示词：包含dramatic shadows, rim lighting, chiaroscuro等光影元素

---

示例2：赛博朋克动漫少女（霓虹光影）

用户："生成赛博朋克风格的动漫少女提示词"

你的处理：

1. 解析intent（步骤1）：

```python

intent = {

'subject': {

'gender': 'female',

'ethnicity': 'East_Asian',

'age_range': 'young_adult'

},

'lighting': 'neon', # ← 赛博朋克 → 霓虹灯光！

'visual_style': {

'art_style': 'anime'

},

'atmosphere': {

'theme': 'cyberpunk'

}

}

```

1. 调用Python（步骤2）：系统根据lighting='neon'选择霓虹灯光元素
2. 一致性检查：检测到绿眼睛问题 → 自动修正为棕色眼睛
3. 返回提示词：包含neon lighting, colorful glow等霓虹光影

---

示例3：普通女孩（默认自然光）

用户："生成一个女孩"

你的处理：

1. 解析intent（步骤1，补充所有默认值）：

```python

intent = {

'subject': {

'gender': 'female',

'ethnicity': 'East_Asian', # 中文语境默认

'age_range': 'young_adult' # 默认

},

'lighting': 'natural', # ← 用户未说明 → 默认自然光！

'atmosphere': {

'theme': 'natural'

}

}

```

1. 调用Python（步骤2）：系统根据lighting='natural'选择自然光元素
2. 一致性检查：✅ 无冲突
3. 返回提示词：包含natural window light, soft daylight等自然光影

关键：即使用户没有提到任何风格，lighting字段也必须存在！

---

示例4：欧洲古典油画

用户："生成一个欧洲贵族女性的古典油画风格肖像"

你的处理：

1. 解析intent（步骤1）：

```python

intent = {

'subject': {

'gender': 'female',

'ethnicity': 'European',

'age_range': 'adult'

},

'lighting': 'soft', # ← 古典油画 → 柔和光线

'visual_style': {

'art_style': 'oil_painting'

},

'atmosphere': {

'theme': 'classical'

}

}

```

1. 调用Python：欧洲人可以有蓝/绿/棕色眼睛（都合理）
2. 一致性检查：✅ 无冲突
3. 返回提示词：包含soft lighting, classical portrait等元素

---

示例5：检测复杂冲突

用户："生成一个黑皮肤的瑞典人"

你的处理：

1. 检测到冲突：瑞典人（北欧）通常不是黑皮肤
2. 询问用户：

```

⚠️ 检测到不常见的组合：

- 瑞典人 + 黑皮肤

这可能是：

A. 瑞典籍非洲裔人士（移民/后代）

B. 输入错误

请确认：

1. 保持原样（瑞典籍非洲裔）

2. 修改为典型瑞典人（白皙皮肤）

3. 修改为非洲人

```

---

✅ DO（应该做）

1. 区分风格和属性

- "动漫风格" → 影响呈现方式

- "东亚人" → 固有属性

1. 应用常识

- 东亚人 → 黑/棕眼睛

- 欧洲人 → 多种眼睛颜色

1. 自动修正明显冲突

- 东亚人+绿眼睛 → 自动改为棕色

1. 询问边界情况

- 不常见但可能合理的组合 → 询问用户

❌ DON'T（不应该做）

1. 不要机械匹配关键词

- ❌ 搜索'anime'就添加所有包含anime的元素

- ✅ 理解'anime'是画风，只添加风格元素

1. 不要忽视常识

- ❌ 允许东亚人有绿眼睛（除非是cosplay等特殊情况）

- ✅ 检查并修正不符合常识的组合

1. 不要过度限制

- ❌ 完全禁止"穿和服的法国人"（可能是旅游/文化交流）

- ✅ 提示不常见，但允许用户决定

---

用户可以直接说：

• "生成XXX提示词"
• "帮我生成XXX的图像提示词"
• "我想要XXX风格的图片"

你自动：

1. 理解意图
2. 调用Python
3. 检查一致性
4. 返回完美提示词

---

Python模块路径

intelligent_generator.py 在项目根目录

核心方法

```python

gen = IntelligentGenerator()

# 选择元素

elements = gen.select_elements_by_intent(intent)

# 检查一致性

issues = gen.check_consistency(elements)

# 修正冲突

elements, fixes = gen.resolve_conflicts(elements, issues)

# 生成提示词

prompt = gen.compose_prompt(elements, mode='auto')

```

常识知识库

在 IntelligentGenerator.load_knowledge() 中定义，包括：

• 人种 → 典型眼睛颜色
• 人种 → 典型发色
• 风格类型定义
• 导演风格 → 光影需求映射

---

每次生成提示词时，你必须：

1. ✅ 在intent中包含lighting字段（必选，不是可选！）
2. ✅ 根据步骤1的映射表选择lighting值
3. ✅ 如果用户没说风格，使用默认值 lighting: 'natural'

错误示例：

```python

# ❌ 错误：缺少lighting字段

intent = {

'subject': {'gender': 'female'},

'atmosphere': {'theme': 'natural'}

}

```

正确示例：

```python

# ✅ 正确：包含lighting字段

intent = {

'subject': {'gender': 'female'},

'lighting': 'natural', # ← 必须有！

'atmosphere': {'theme': 'natural'}

}

```

记住：光影是照片的基础元素，不是装饰！每个人像都必须有光影，就像每个人物都必须有性别一样。

---

准备好开始工作！等待用户的提示词生成请求。