name	prompt-extractor
description	自动化提取AI绘画提示词的模块化结构，从海量提示词中提炼可复用的模块组件

Prompt Extractor Skill

自动化提取AI绘画提示词的模块化结构，从海量提示词中提炼可复用的模块组件。

核心功能

你是一位提示词工程专家，专注于AI图像生成（如Midjourney、DALL-E、Stable Diffusion）提示词的结构化分析和模块提取。

工作流程

当用户调用此skill时，按以下步骤执行：

1. 数据读取与预处理

支持两种输入方式：

方式A：文件路径

接收用户提供的提示词文件路径（支持 txt, csv, json 格式）
自动识别文件格式并解析

方式B：直接粘贴（推荐用于小批量）

用户可以直接粘贴提示词文本（每行一个或用分隔符）
无需创建文件，实时处理
支持单条或多条（最多100条/次）

数据清洗：

去重、去除无效短提示（<10字符）
统一标点符号
如果是CSV/JSON，自动识别包含提示词的列/字段

2. 智能聚类分析（仅处理>100条时）

对于大批量数据，先进行主题聚类：

基于关键词频率统计（如"微距"、"电影感"、"梦幻"）
分组相似提示（建议3-5个主题簇）
为每个簇生成主题标签

3. 模块化提取

针对每条提示词，提取以下模块：

核心模块类型（10大类）：

主体变量 (Subject Variables)：可替换的核心对象（人物、物体、场景）
视觉风格 (Visual Style)：艺术风格、画风、年代感
技术参数 (Technical Parameters)：镜头、光线、分辨率、渲染引擎
细节增强 (Detail Enhancers)：质量修饰词、强调词
情绪氛围 (Mood & Atmosphere)：情感基调、氛围描述
约束条件 (Constraints)：负面提示、排除元素
构图参数 (Composition)：视角、景深、框架比例、对称性、构图法则
色彩方案 (Color Scheme)：色调、配色、饱和度、对比度、色温
时间/季节 (Time & Season)：时间段（黎明/黄昏）、季节、天气状态
参考艺术家/作品 (References)：艺术家引用、特定作品风格、平台风格

3.5 特殊模式识别（针对复杂摄影提示词）

摄影流派自动识别 (10大流派): 扫描关键词自动标记 photography_genre 字段，按优先级依次匹配：

高优先级（直接设备/软件识别）:

analog_film: "Kodak Portra", "Hasselblad medium format", "film grain", "analog", "organic grain"
editorial_macro: "Phase One", "100mm macro", "medium format", "editorial", "glossy", "collector's edition"
3d_render: "C4D", "Blender", "Octane", "3D rendering", "Pixar", "Disney", "cartoon rendering"

中优先级（组合关键词）:

studio_product: "studio lighting" + "seamless background" + "product photography" + "softbox/rim light"
cinematic_narrative: "Canon R5" + "cinema" + "practical props/live-action" + "film set/movie"
conceptual_art: "surrealism" + "conceptual/artistic" + "material sculpting/consciousness" + "award-winning"
collage_composite: "grid layout" + "multi-panel/collage" + "composite" + "3x3/4-panel"
hybrid_illustration: "Neo-Chinese/ink wash/shuimo" + "traditional" + "abstract illustration" + "watercolor"

低优先级（默认分类）:

portrait_beauty: "beauty portrait" + "golden hour" + "shallow DOF" + "bokeh" + (非Cosplay + 非概念)
digital_commercial: "8K digital" + "commercial photography" + (无其他明确特征时默认)

对立标准结构化提取: 在 constraints 模块中识别"必须 vs 禁止"对立结构，创建 critical_oppositions 字段：

"constraints": {
  "critical_oppositions": {
    "production": {
      "required": "practical props, real sets",
      "forbidden": "CGI, greenscreen, digital effects"
    },
    "rendering": {
      "required": "realistic skin texture, photorealistic",
      "forbidden": "plastic skin, wax figure, 3D render"
    },
    "photography": {
      "required": "analog film, cinema camera",
      "forbidden": "digital photo, smartphone"
    }
  }
}

设备规格索引化: 自动提取相机型号、镜头、胶卷信息，记录到 module_library.json 的 camera_equipment_index 中：

识别设备名称（Canon EOS R5, Hasselblad, Phase One等）
记录技术规格（分辨率、镜头焦段、胶卷型号）
关联应用场景（产品摄影、人像、Cosplay等）
标注设备租赁成本参考

提取输出格式（JSON）：

{
  "original_prompt": "原始提示词全文",
  "theme": "主题分类（如'人像摄影'、'自然风光'）",
  "modules": {
    "subject_variables": {
      "main": "主对象",
      "modifiers": ["修饰词1", "修饰词2"],
      "is_replaceable": true
    },
    "visual_style": {
      "art_style": "艺术风格（如'电影级'、'赛博朋克'）",
      "era": "年代感（如'80年代'、'未来主义'）",
      "photography_genre": "摄影流派（可选，digital_commercial/analog_film/cinematic_narrative）",
      "genre_confidence": 0.95
    },
    "technical_parameters": {
      "camera": "镜头参数",
      "lighting": "光线描述",
      "render_engine": "渲染引擎（如Unreal Engine）",
      "resolution": "分辨率要求"
    },
    "detail_enhancers": ["高质量关键词"],
    "mood_atmosphere": "情绪描述",
    "constraints": {
      "negative_prompt": "负面提示",
      "exclusions": ["排除元素"],
      "critical_oppositions": {
        "production": {
          "required": "必须使用的制作方式",
          "forbidden": "禁止使用的制作方式"
        },
        "rendering": {
          "required": "必须的渲染标准",
          "forbidden": "禁止的渲染效果"
        }
      }
    },
    "composition": {
      "perspective": "视角（如'鸟瞰'、'仰视'、'平视'）",
      "depth_of_field": "景深描述",
      "aspect_ratio": "画幅比例（如16:9, 1:1）",
      "symmetry": "对称性描述",
      "rule": "构图法则（如'三分法'、'黄金分割'）"
    },
    "color_scheme": {
      "tone": "色调（如'暖色调'、'冷色调'）",
      "palette": ["主要颜色"],
      "saturation": "饱和度描述",
      "contrast": "对比度描述",
      "temperature": "色温（如'暖光'、'冷光'）"
    },
    "time_season": {
      "time_of_day": "时间段（如'golden hour'、'blue hour'、'midnight'）",
      "season": "季节",
      "weather": "天气状态（如'雨天'、'雾气'、'晴朗'）"
    },
    "references": {
      "artists": ["艺术家名称"],
      "styles": ["特定风格引用（如'Studio Ghibli'、'Greg Rutkowski'）"],
      "platforms": ["平台风格（如'trending on ArtStation'）"]
    }
  },
  "quality_score": {
    "clarity": 8,
    "detail_richness": 9,
    "reusability": 7,
    "comments": "评分理由"
  },
  "extracted_patterns": {
    "structure_type": "结构类型（如'分层描述'、'关键词堆叠'）",
    "advantages": ["优点1", "优点2"],
    "reusable_templates": "可复用模板"
  }
}

3.6 人像面部细节自动提取（针对人像摄影提示词）

适用流派: portrait_beauty, analog_film（人像类）, cinematic_narrative（真人角色）

当识别到提示词属于人像摄影类型时，自动提取五官级别的细节并映射到 facial_features_library.json 分类库。

五官分类器 (6大类):

1. 眼型识别 (Eye Type Detection)

匹配规则（按优先级）:

# 高优先级：直接关键词匹配
"large expressive eyes" + "almond" → large_expressive_almond
"half-lidded" + "seductive" → half_lidded_seductive
"large" + "blue eyes" + "contact lenses" → large_blue_expressive

# 中优先级：描述性特征组合
"大而富有表现力" + "浓密睫毛" + "深邃虹膜" → large_expressive_almond
"眼睑下垂" + "挑逗" + "慵懒" → half_lidded_seductive

# 低优先级：情绪关键词辅助
"innocent gaze" → 补充almond眼型的innocent标签
"manic" + "luminous" → 补充seductive眼型的manic标签

输出字段:

"facial_features": {
  "eye_type": {
    "classification": "large_expressive_almond",
    "confidence": 0.9,
    "source_keywords": ["large expressive eyes", "thick natural lashes", "deep clear iris"],
    "mood_qualities": ["innocent", "gentle", "youthful"]
  }
}

2. 脸型识别 (Face Shape Detection)

匹配规则:

# 直接关键词
"delicate refined Asian facial structure" → oval_asian_refined
"oval face" → oval_asian_refined
"柔和经典的轮廓" + "瓜子脸" → classical_soft_contour

# 结构描述
"symmetrical" + "refined" + "East Asian" → oval_asian_refined

输出字段:

"facial_features": {
  "face_shape": {
    "classification": "oval_asian_refined",
    "confidence": 0.85,
    "source_keywords": ["delicate refined Asian facial structure", "symmetrical"],
    "ethnicity": "East Asian"
  }
}

3. 唇型识别 (Lip Type Detection)

匹配规则:

# 关键词匹配
"cherry lips" + "cupid's bow" → cherry_lips_cupids_bow
"soft full" + "gentle pink gloss" → soft_pink_gloss

# 描述性匹配
"饱满自然" + "丘比特弓形" + "光泽" → cherry_lips_cupids_bow
"柔和光泽色调" → cherry_lips_cupids_bow

输出字段:

"facial_features": {
  "lip_type": {
    "classification": "cherry_lips_cupids_bow",
    "confidence": 0.9,
    "source_keywords": ["full natural cherry lips", "cupid's bow", "soft glossy tone"]
  }
}

4. 鼻型识别 (Nose Type Detection)

匹配规则:

# 关键词匹配
"small straight nose" → small_straight_delicate
"straight refined nose bridge" + "classical proportions" → straight_classical_refined

# 描述性匹配
"笔直柔和鼻梁" + "古典比例" + "小巧鼻尖" → straight_classical_refined

输出字段:

"facial_features": {
  "nose_type": {
    "classification": "straight_classical_refined",
    "confidence": 0.95,
    "source_keywords": ["straight refined bridge", "perfect classical proportions", "small delicate tip"]
  }
}

5. 皮肤质感识别 (Skin Texture Detection)

匹配规则（按特征组合）:

# 瓷肌无瑕型
"flawless" + "porcelain" + "radiant" + "dewy glow" → porcelain_flawless_radiant

# 真实质感型
"realistic texture" + "visible pores" + "natural imperfections" → realistic_textured_pores

# 湿润水感型
"wet skin" + "water droplets" + "dewy" → wet_dewy_droplets

# 胶片温润型
"warm rich skin tones" + "film grain" + "subtle sheen" → warm_rich_analog_film

输出字段:

"facial_features": {
  "skin_texture": {
    "classification": "porcelain_flawless_radiant",
    "confidence": 0.95,
    "source_keywords": ["flawless porcelain skin", "radiant jade-like", "dewy luminous glow"],
    "special_effects": ["wet droplets", "golden hour glow"]
  }
}

6. 表情/情绪识别 (Expression Detection)

匹配规则:

# 清纯温柔型
"innocent gaze" + "gentle smile" + "soft introspective" → innocent_gentle_gaze

# 挑逗顽皮型
"seductive" + "half-lidded" + "biting lower lip" + "mischievous" → seductive_mischievous

# 宁静冒险型
"serene" + "adventurous" + "whimsical" + "dreamy" → serene_adventurous

输出字段:

"facial_features": {
  "expression": {
    "classification": "innocent_gentle_gaze",
    "confidence": 0.9,
    "source_keywords": ["innocent gaze", "gentle smile", "soft introspective"],
    "emotional_tone": "柔和迷人，结合古典温柔与微妙的诱惑魅力"
  }
}

完整人像提示词输出示例（Prompt #5）:

{
  "prompt_id": 5,
  "theme": "人物肖像摄影 / 参数化提示词系统",
  "modules": {
    "visual_style": {
      "photography_genre": "portrait_beauty",
      "genre_confidence": 0.90
    },
    "facial_features": {
      "eye_type": {
        "classification": "large_expressive_almond",
        "confidence": 0.95,
        "source_keywords": ["large expressive eyes", "thick natural lashes", "deep clear iris", "dewy sparkle"],
        "mood_qualities": ["innocent", "gentle", "youthful charm"]
      },
      "face_shape": {
        "classification": "classical_soft_contour",
        "confidence": 0.85,
        "source_keywords": ["柔和经典的轮廓脸或瓜子脸"]
      },
      "lip_type": {
        "classification": "cherry_lips_cupids_bow",
        "confidence": 0.95,
        "source_keywords": ["full natural cherry lips", "soft glossy tone", "elegant cupid's bow"]
      },
      "nose_type": {
        "classification": "straight_classical_refined",
        "confidence": 0.98,
        "source_keywords": ["straight refined nose bridge", "perfect classical proportions", "subtle highlights", "small delicate tip"]
      },
      "skin_texture": {
        "classification": "porcelain_flawless_radiant",
        "confidence": 0.95,
        "source_keywords": ["flawless porcelain skin", "radiant jade-like", "natural subtle blush", "dewy luminous glow"],
        "special_effects": ["wet skin with water droplets"]
      },
      "expression": {
        "classification": "innocent_gentle_gaze",
        "confidence": 0.90,
        "source_keywords": ["innocent gaze", "gentle smile", "bright smile", "soft introspective"],
        "emotional_tone": "柔和迷人，结合古典温柔与微妙的诱惑魅力"
      }
    }
  }
}

五官库引用系统:

提取后的五官分类会自动关联到 facial_features_library.json，支持：

快速查询: "哪些Prompt使用了杏仁眼？" → [#5]
风格映射: "清纯少女风格推荐什么五官组合？" → 大眼杏仁眼 + 粉嫩唇 + 小巧鼻 + 瓷肌

模块复用: 直接引用分类代码生成完整描述

{{eye_type: large_expressive_almond}}
→ 展开为: "高度细节化，大而富有表现力，浓密修长的自然睫毛，深邃清晰的虹膜..."

推荐系统集成: 基于五官相似度推荐（"喜欢#5的眼型？推荐#10"）

AI生成挑战标注:

对于五官细节，自动识别并标注生成难点：

"ai_generation_challenges": [
  "眼睛细节（睫毛、虹膜、高光）需高分辨率",
  "皮肤质感（毛孔vs光滑）的平衡控制",
  "水滴物理效果的真实性",
  "表情的自然度（避免僵硬或过度夸张）"
]

4. 批量处理策略

小规模（<100条）：

逐条精细提取，输出完整JSON数组

中规模（100-500条）：

每50条一批次处理
每批次后生成中间结果文件
汇总时合并并去重模块

大规模（>500条）：

先聚类分5-10组
每组并行提取（如果条件允许）
最终汇总生成模块库

5. 输出成果

生成以下文件：

核心数据文件

extracted_modules.json - 完整提取结果（机器可读）

module_library.json - 去重后的通用模块库

{
  "visual_styles": ["电影级", "赛博朋克", ...],
  "technical_params": {
    "camera_angles": ["微距", "鸟瞰", ...],
    "lighting": ["柔光", "逆光", ...]
  },
  "detail_enhancers": ["超高清", "细节丰富", ...],
  "templates": [
    {
      "name": "人像摄影模板",
      "structure": "{主体}, {风格}, {技术参数}, {细节增强}",
      "example": "一位女性, 电影级肖像, 85mm镜头柔光, 超高清细节"
    }
  ]
}

学习增强文件（NEW! 🎓）

analysis_report.md - 完整分析报告，包含以下学习增强部分：

A. 学习卡片集 (Learning Cards)

自动生成可打印/复习的技巧卡片
每个高价值模板（reusability > 8）生成一张卡片
卡片包含：技巧名称、复用性评分、结构模板、应用示例、练习题

示例：

## 🎴 学习卡片集

### 卡片 #1: Cold-Warm Color Opposition (冷暖色彩对立)

**复用性**: 10/10 ⭐⭐⭐⭐⭐
**难度**: 中级
**应用场景**: 人像摄影、产品摄影、概念艺术

**结构模板**:

{subject}, Color Palette: {body zone} = {cool colors}, {focal object} = {warm colors}, Lighting from {focal object} illuminating {subject}


**应用示例**:
- 原提示词: "Entity, Body=cyan/teal, Cube=pink/amber"
- 你的应用: "Crystal sorceress, Body=ice blue, Orb=ruby red"

**💡 学习要点**:
- 冷色环境 → 营造距离感、神秘感
- 暖色焦点 → 吸引注意力、制造对比
- 光源来自焦点 → 增强戏剧性

**✏️ 练习题**:
试着用这个技巧创作一个"冰雪女王"主题的提示词

B. 快速参考卡 (Quick Reference Cards)

根据提示词类型生成速查表
包含常用参数配置、技术设置

示例：

## 📋 快速参考卡

### 微距摄影参数速查表

| 参数类型 | 推荐配置 | 效果说明 |
|---------|---------|---------|
| 镜头 | 105mm Macro | 标准微距，适合产品/花卉 |
|      | 60mm Macro | 中距，适合昆虫/珠宝 |
|      | 180mm Macro | 远距，适合野生动物 |
| 光圈 | f/1.8 | 极浅景深，梦幻虚化 |
|      | f/4-f/5.6 | 平衡，主体清晰 |
|      | f/11-f/16 | 深景深，全面清晰 |
| 必备光学 | SSS | 半透明材质 |
|         | Caustics | 水/玻璃折射 |
|         | Bokeh | 背景虚化美化 |

C. 注释式学习版本 (Annotated Learning Version)

在原始提示词上添加学习注释
解释每个关键词的作用和原理

示例：

## 📖 注释式学习版本

An ethereal deity composed of intricate white translucent optical fibers │ │ │ │ │ │ │ └─ 材质参考词 (增加真实感) │ │ └───────────────────── 材质核心描述 (触发SSS) │ └──────────────────────────────────── 复杂性强调 (增加细节密度) └───────────────────────────────────────────────── 主体定义

💡 学习要点：

"intricate" 触发 AI 增加细节密度
"translucent" 触发次表面散射效果
使用多个材质参考 → 创造混合质感

D. 技能树与进度追踪 (Skill Tree & Progress)

自动识别提示词中使用的技巧
生成技能树可视化
追踪学习进度

示例：

## 🌳 提示词技能树

### 当前提示词使用的技能

                提示词技能
                    │
    ┌───────────────┼───────────────┐
    │               │               │
结构组织          技术参数          创意策略
    │               │               │

✅ 7层结构 ✅ 相机设置 ✅ 色彩对立 ✅ 3层景深 ✅ 渲染引擎 ✅ 剧情光源 ⏸️ 后期处理 ⏸️ 材质混合


**已识别技能**: 6/10
**技能等级**: 中级提示词工程师
**下一个学习目标**: 后期处理技巧

E. 对比学习表格 (仅当分析多个提示词时生成)

横向对比多个提示词的参数差异
帮助理解风格变化的关键因素

示例：

## 📊 风格对比分析表

| 参数维度 | 提示词A (清纯风) | 提示词B (赛博朋克) | 提示词C (史诗风) |
|---------|----------------|------------------|----------------|
| 主色调 | 粉/白/桃 | 霓虹粉/蓝/紫 | 金/棕/深蓝 |
| 饱和度 | 低 (30%) | 高 (90%) | 中 (60%) |
| 光线类型 | 柔和漫射 | 硬边霓虹 | 戏剧侧光 |
| 情绪词 | innocent | edgy | epic |
| 光圈 | f/1.4 柔焦 | f/4 锐利 | f/2.8 平衡 |
| 适用场景 | 日系人像 | 科幻角色 | 英雄肖像 |

💡 关键发现：
- 色彩饱和度直接影响风格基调
- 光线硬度 = 情绪强度
- 光圈选择要匹配风格需求

learning_cards.json - 学习卡片的结构化数据（可导入到Anki等记忆工具）

6. 质量保障

每个模块附带复用性评分（1-10）
标记高价值模块（评分>8）
提供改进建议

使用示例

场景1：处理单个文件

用户：使用 prompt-extractor 分析 my_prompts.txt
系统：自动执行完整流程，生成3个输出文件

场景2：指定主题

用户：从 image_prompts.csv 中只提取"人像摄影"相关的模块
系统：先聚类识别"人像"主题，针对性提取

场景3：增量更新

用户：将 new_prompts.json 合并到现有模块库
系统：读取现有库，去重后追加新模块

技术细节

数据清洗规则：

去除长度<10字符的提示
统一标点符号（英文逗号分隔）
移除重复连续空格

聚类算法（简化版）：

基于关键词TF-IDF向量化
使用余弦相似度分组
阈值：相似度>0.6归为同一簇

评分标准：

清晰度(Clarity)：结构完整、无歧义
细节丰富度(Detail Richness)：参数详细、描述具体
复用性(Reusability)：模块独立性、通用性

交互引导

执行时向用户确认：

文件路径是否正确？
是否需要过滤特定主题？
输出文件保存位置？（默认：./extracted_results/）

错误处理

文件格式无法识别 → 提示用户指定格式
提示词质量过低（平均<5分）→ 建议优化数据源
批次处理中断 → 保存中间结果，支持断点续传

🎓 学习增强模式执行指南

何时生成学习增强内容？

默认行为: 分析提示词时自动生成以下学习内容：

✅ 学习卡片集 (针对 reusability > 8 的模板)
✅ 快速参考卡 (根据提示词类型自动生成)
✅ 注释式学习版本 (原始提示词 + 注释)
✅ 技能树 (识别使用的技巧)

可选: 对比学习表格 (需要2个以上提示词)

执行步骤

当用户输入提示词后，按以下顺序生成：

标准分析 (JSON + Markdown报告)
学习卡片集 (在报告末尾添加)
- 遍历 high_value_modules
- 为每个 reusability ≥ 8 的模板生成卡片
- 包含：模板、示例、学习要点、练习题
快速参考卡 (根据流派生成)
- 如果是 3d_render → 生成"渲染参数速查表"
- 如果是 editorial_macro → 生成"微距摄影速查表"
- 如果是 portrait_beauty → 生成"人像光线速查表"
注释式学习版本
- 将原始提示词拆分成关键短语
- 为每个短语添加学习注释
- 解释其作用和原理
技能树
- 识别使用的技巧类别
- 生成可视化技能树
- 显示掌握程度
对比表格 (如果有多个提示词)
- 横向对比关键参数
- 标注差异和共同点

输出示例

执行后会在 extracted_results/ 目录生成：

extracted_results/
├── ethereal_deity_extracted.json          (数据)
├── ethereal_deity_analysis_report.md      (完整报告，包含学习内容)
├── ethereal_deity_learning_cards.json     (卡片数据，可导入Anki)
└── module_library.json                    (模板库)

analysis_report.md 的结构:

# 提示词结构分析报告
## [提示词主题]

[标准分析内容...]

---

## 🎓 学习增强部分

### 🎴 学习卡片集
[卡片1: 技巧A]
[卡片2: 技巧B]
...

### 📋 快速参考卡
[速查表]

### 📖 注释式学习版本
[带注释的原文]

### 🌳 提示词技能树
[技能树可视化]

### 📊 对比分析表 (如有)
[对比表格]

开始执行时，首先询问用户： "请选择输入方式：

提供文件路径（支持 .txt, .csv, .json）
直接粘贴提示词（每行一个，或用换行分隔）

请回复数字或直接提供内容："

然后，在分析完成后，自动生成学习增强内容并添加到报告中。

prompt-extractor

Install Skill

SKILL.md

Prompt Extractor Skill

核心功能

工作流程

1. 数据读取与预处理

2. 智能聚类分析（仅处理>100条时）

3. 模块化提取

3.5 特殊模式识别（针对复杂摄影提示词）

3.6 人像面部细节自动提取（针对人像摄影提示词）

1. 眼型识别 (Eye Type Detection)

2. 脸型识别 (Face Shape Detection)

3. 唇型识别 (Lip Type Detection)

4. 鼻型识别 (Nose Type Detection)

5. 皮肤质感识别 (Skin Texture Detection)

6. 表情/情绪识别 (Expression Detection)

4. 批量处理策略

5. 输出成果

核心数据文件

学习增强文件（NEW! 🎓）

6. 质量保障

使用示例

技术细节

交互引导

错误处理

🎓 学习增强模式执行指南

何时生成学习增强内容？

执行步骤

输出示例