已收錄261 則資訊/91 款 AI 工具/372 個開源專案/64 個學習資源
首頁資訊開源排行榜模型排行AI 工具學習資源
首頁 / 開源排行榜 / skill-prompt-generator

skill-prompt-generator

一個 Claude Code 技能庫，利用包含 1,246+ 個元素的 SQLite 資料庫和語義路由，智慧地在 12 個創意領域生成專業的 AI 圖像提示。

Pythonskill
⭐ GitHubhttps://github.com/huangserva/skill-prompt-generator
1,436
Star 數
+43
Star 增速
May 10, 2026
最後更新
1,180
點擊數

專案總覽

skill-prompt-generator 是一個開源的 Claude Code Skills 函式庫，能將簡潔的創意簡報轉換為細節豐富、領域精確的 AI 圖像生成提示詞 — 省去了手動提示詞工程的麻煩，這種工程會拖慢 Midjourney、DALL-E 3 或 Stable Diffusion 等工具的工作流程。

專案背景與定位

為何存在

撰寫有效的 AI 圖像提示詞需要對每個創意領域的詞彙有深入的了解：人像燈光術語與海報佈局語言、產品攝影材質分類法或電影動態詞彙有根本上的差異。大多數開發者和創作者缺乏這種廣度，他們的提示詞要麼過於籠統，要麼內部不一致。skill-prompt-generator 將領域專業知識封裝到 12 個專業的 Claude Code Skills 中，並由一個 1,246+ 個元素的 SQLite 資料庫支援 — 調用一個技能，即可在幾秒鐘內獲得專家級的提示詞。

與類似專案的差異

與靜態提示詞範本庫或單一用途的建構器不同，skill-prompt-generator 是一個原生的 Claude Code Skills 系統，具有智慧路由功能。引擎讀取使用者的意圖，自動從 12 個領域模組中選擇正確的專業技能，應用語義一致性檢查以防止元素衝突，並從元素資料庫中取樣以確保多樣性。2.0 版本增加了用於多類型場景的跨領域模式（Cross-Domain Mode）和由 200,000 多種顏色、邊框和佈局組合支援的設計模式（Design Mode）— 這些功能遠遠超出了基於規則的範本所能實現的。

功能類別

📸 人像攝影

  • 涵蓋燈光、鏡頭、姿勢、膚質、表情和時代的 502 個精選元素
  • 智慧依賴規則（例如，古代時期會自動觸發傳統風格）
  • 範例：黃金時段輪廓光、85mm f/1.4 散景、編輯時尚構圖、電影級色彩分級
  • 目的：為頭像、生活風格和編輯類作品生成逼真、技術精確的人像提示詞

🎨 平面設計與海報

  • 涵蓋佈局、排版、色彩理論和印刷慣例的 155 個元素
  • 設計模式每次運行都會從 200,000 多種顏色-邊框-裝飾組合中取樣
  • 範例：瑞士網格海報、霓虹粗野主義卡片、極簡品牌識別、復古演唱會傳單
  • 目的：生成視覺上獨特的設計提示詞，每次運行都不會重複

🛍️ 產品攝影

  • 涵蓋桌面燈光、材質紋理、背景和品牌背景的 77 個商業元素
  • 範例：漂浮的化妝品瓶、霧面陶瓷漫射光、主體拍攝飲料、生活風格平鋪
  • 目的：為電子商務、廣告和目錄圖像製作具有專業構圖規則的提示詞

🖼️ 藝術風格

  • 涵蓋古典到當代運動的 51 個美術技巧元素
  • 範例：中國水墨畫、厚塗油畫、生成幾何抽象、復古波普藝術網點
  • 目的：將領域準確的藝術詞彙應用於任何主題，以生成畫廊級別的圖像

🎬 影片生成

  • 涵蓋攝影機運動、節奏和動態場景構圖的 49 個動態感知元素
  • 範例：跟蹤推軌鏡頭、慢動作飛濺、航拍縮時攝影、焦點轉移揭示
  • 目的：為 Sora、Kling 或 RunwayML 等工具生成具有正確電影語言的影片提示詞

📷 一般攝影技巧

  • 涵蓋曝光、景深、色彩分級和構圖的 205 個元素
  • 範例：傾斜移軸縮小、交叉處理膠片模擬、HDR 風景、三分法裁剪
  • 目的：無論主體類型如何，都能以攝影精度補充任何領域

核心亮點

智慧 4 步驟領域路由 — 內建的決策樹檢查使用者意圖，對主要領域進行分類，檢測衝突，並在無需手動配置的情況下調用最合適的專業技能。使用者無需知道調用哪個技能。

1,246+ 個元素的 SQLite 資料庫 — 所有提示詞詞彙都存儲在一個標準化的關聯式資料庫（elements.db）中，包含領域、類別、可重用性分數和使用計數器元數據。這使得函式庫在不修改原始碼的情況下即可查詢、版本化和擴展。

三種生成模式（v2.0） — 人像模式（Portrait Mode）保持 v1.0 的完整向後兼容性；跨領域模式（Cross-Domain Mode）混合 2-4 個領域的詞彙以處理複雜場景；設計模式（Design Mode）將 YAML 變數取樣器連接到 200,000 多種顏色-邊框-佈局組合，用於圖形輸出。

自我學習通用學習器 — 內建的提取管道掃描任何新提示詞中的未定義特徵，按類別重要性對其進行優先排序，並生成審核報告供人工批准後再提交到資料庫 — 使函式庫能夠隨著時間的推移自主成長。

語義一致性引擎 — 在最終確定提示詞之前，IntelligentGenerator 運行 check_consistency() 和 resolve_conflicts() 來檢測不兼容的元素配對（例如，霓虹賽博朋克燈光與維多利亞時代背景）並自動更正它們 — 防止產生不連貫的圖像輸出。

完整的 Python API + Skills 介面 — 開發者可以直接從 Python 腳本調用 intelligent_generator.py 或通過 Claude Code Skills 介面進行整合，支援程式化管道和互動式創意會話。

按角色劃分的用例

一般開發者
將 Python API 整合到圖像生成管道中。傳遞一行主體描述；接收一個生產就緒的提示詞字串，可以直接轉發給擴散模型 API。自我學習系統意味著函式庫會隨著您輸入新提示詞而改進。

DevOps / 自動化工程師
將 CrossDomainGenerator 嵌入批次作業中，以大規模生成營銷素材、產品目錄圖像或社交媒體內容。200,000 多種組合空間確保了大型運行中的視覺多樣性，無需手動變更提示詞。

數據與研究團隊
使用 SQLite 元素資料庫作為提示詞工程研究的結構化數據集。通過 export_to_json() 導出以進行版本控制的分析，查詢元素共現模式，並對存儲在 source_prompts 中的提示詞質量分數進行基準測試。

產品與創意團隊
互動式使用 Claude Code Skills：用普通語言描述創意概念，讓路由系統選擇正確的技能（art-master、design-master、video-master 等），並在不學習提示詞語法的情況下迭代生成的提示詞。設計模式通過在您的團隊控制的 YAML 設定檔中編碼顏色配置和排版規則來產生符合品牌標準的結果。

快速入門

🔍 如何查找資源

該專案的 1,246+ 個元素按領域組織在 SQLite 資料庫中。要探索可用元素：

from element_db import ElementDB

db = ElementDB("extracted_results/elements.db")
print(db.get_stats())                        # 全局指標
results = db.search_by_domain("portrait", min_reusability=0.7)

.claude/SKILL_ROUTING_GUIDE.md 文件記錄了完整的 4 步驟決策樹和所有 12 個技能定義。knowledge_base/ 目錄包含人類可讀的指南（例如，色彩控制理論）。

🛠 如何安裝 / 整合

先決條件： Python 3.9+、anthropic>=0.7.0、pyyaml>=6.0

# 1. 克隆儲存庫
git clone https://github.com/huangserva/skill-prompt-generator.git
cd skill-prompt-generator

# 2. 安裝依賴項
pip install -r requirements.txt

# 3. 通過 Python API 生成提示詞
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 整合

將 .claude/ 目錄放在您的專案根目錄並在 Claude Code 中打開專案。所有 12 個技能均可立即使用 — 無需額外配置：

# 在 Claude Code 中，只需描述您的圖像：
> Generate a product shot for a matte black water bottle on a marble surface
# → 自動路由到 product-master 技能

v2.0 跨領域模式

from core.cross_domain_generator import CrossDomainGenerator

gen = CrossDomainGenerator()
result = gen.generate(
    intent="cyberpunk city street at night with neon reflections",
    mode="cross_domain"   # 如果省略則自動檢測
)
print(result["prompt"])

🤝 如何貢獻

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

# 創建一個功能分支
git checkout -b feature/add-architecture-domain

# 通過 ElementDB API 添加新元素（優於直接 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

# 運行通用學習器以發現未定義的特徵
python -c "from intelligent_generator import IntelligentGenerator; IntelligentGenerator().run_learner()"

# Commit 並打開一個 Pull Request
git add -A && git commit -m "feat: add architecture domain elements"
git push origin feature/add-architecture-domain

專案結構

skill-prompt-generator/
├── intelligent_generator.py    # 主要生成引擎與 IntelligentGenerator 類別
├── element_db.py               # ElementDB CRUD、搜尋、導入/導出
├── framework_loader.py         # YAML 框架載入工具
├── prompt_framework.yaml       # 七類框架配置（v1.0）
├── requirements.txt            # Python 依賴項
│
├── core/                       # v2.0 架構模組
│   ├── cross_domain_generator.py   # 統一的三模式生成介面
│   ├── cross_domain_query.py       # 跨領域元素檢索引擎
│   ├── design_bridge.py            # YAML 設計系統 ↔ 提示詞橋樑
│   ├── variable_sampler.py         # 200K+ 組合取樣器
│   ├── yaml_sampler.py             # YAML 變數載入與隨機取樣
│   └── schema_migration_v1.sql     # 資料庫遷移腳本
│
├── .claude/                    # Claude Code 整合
│   ├── claude.md               # 架構規則與設計原則
│   ├── SKILL_ROUTING_GUIDE.md  # 4 步驟路由決策樹
│   └── skills/                 # 12 個技能目錄
│       ├── intelligent-prompt-generator/   # 人像攝影
│       ├── art-master/                     # 美術風格
│       ├── design-master/                  # 平面設計與海報
│       ├── product-master/                 # 產品攝影
│       ├── video-master/                   # 影片生成
│       ├── prompt-master/                  # 編排器技能
│       ├── domain-classifier/              # 意圖分類
│       ├── prompt-analyzer/                # 提示詞質量分析
│       ├── prompt-extractor/               # 特徵提取
│       ├── prompt-xray/                    # 提示詞結構檢查
│       ├── universal-learner/              # 自我學習管道
│       └── prompt-crafter/                 # 設計系統提示詞構建器
│
├── variables/                  # 設計系統 YAML 配置
│   ├── colors.yaml             # 37 種顏色方案（溫馨可愛 + 現代極簡）
│   ├── borders.yaml            # 邊框樣式定義
│   └── decorations.yaml        # 裝飾元素庫
│
├── design-logic/               # 設計範本目錄
│   ├── modern-minimal/         # 深藍/中性專業風格
│   └── warm-cute/              # 珊瑚粉/天藍色易於親近的風格
│
├── knowledge_base/             # 人類可讀的領域指南
│   └── how_to_control_color.md
│
└── extracted_results/          # 生成的提示詞輸出（gitignored DB）
    └── .gitignore              # 在本地保留 elements.db

相關生態系統

上游平台

  • Claude Code (Anthropic) — 執行所有 12 個領域技能的技能運行時；.claude/ 目錄直接整合，無需插件
  • Anthropic Python SDK (anthropic>=0.7.0) — 為通用學習器中的 AI 輔助特徵提取提供支援

圖像生成目標

  • Midjourney — 主要提示詞目的地；元素詞彙與 Midjourney 的參數約定一致
  • DALL-E 3 / GPT-Image — 兼容的提示詞結構；設計模式輸出適合 OpenAI 的風格描述符
  • Stable Diffusion / ComfyUI — 提示詞字串是純文本兼容任何 SD 前端
  • Sora / Kling / RunwayML — 影片大師技能輸出適合影片生成 API 的電影語言

補充工具

  • SQLite Browser — 檢查和手動編輯 elements.db 以進行批量元素管理
  • PyYAML — 為變數取樣器和設計系統配置層提供支援
  • Pandas (可選) — 有助於對 source_prompts 質量分數進行批量分析

授權

MIT 授權
✅商業用途 允許 — 用於產品、SaaS、客戶工作
✅修改 允許 — Fork、擴展、重新品牌化
✅分發 允許 — 附帶歸屬進行重新分發
✅私人使用 允許 — 內部工具、研究
❌責任 不提供保證；自行承擔風險使用
❌商標 MIT 不授予專案名稱的商標權利
ℹ️歸屬 在分發中包含原始 MIT 授權文本

常見問題

問：我需要 Claude API 密鑰才能使用提示詞生成器嗎？
答：核心 Python 生成引擎（intelligent_generator.py、element_db.py）在本地運行，無需 API 調用。Claude API 僅用於通用學習器的 AI 輔助特徵提取步驟 — 所有其他生成都是確定性的 Python。

問：如何添加一個新的創意領域（例如，建築或時尚插畫）？
答：使用 ElementDB.add_element() 插入帶有新 domain 值的詞彙，然後在 .claude/skills/ 下創建一個對應的技能目錄，遵循現有的技能範本。一旦其關鍵字在 SKILL_ROUTING_GUIDE.md 中註冊，路由系統就會自動識別新領域。

問：v1.0 和 v2.0 有什麼區別？
答：v1.0 僅支持人像模式（502 個元素，7 類框架）。v2.0 擴展到 1,246+ 個元素，增加了跨領域模式和設計模式，將 SQLite 利用率從 40% 提高到 80%，並引入了 200,000 多種設計組合。v2.0 具有 100% 的向後兼容性；現有的 v1.0 調用無需更改。

問：生成的提示詞可以保存和重複使用嗎？
答：是的。save_generated_prompt() 將每個生成的提示詞持久化到 source_prompts 表中，並附帶質量分數、使用者意圖和使用的元素 ID。通用學習器之後可以掃描這些存儲的提示詞，為函式庫發現新詞彙。

問：一致性檢查器如何防止不良的元素組合？
答：check_consistency() 根據硬編碼的不兼容規則（時代衝突、燈光矛盾、風格衝突）評估元素對。resolve_conflicts() 應用優先級層次結構 — 主體 > 燈光 > 風格 > 背景 — 並自動用兼容的替代品替換較低優先級的衝突元素。

快速連結

摘要

skill-prompt-generator 是最完整的開源 Claude Code Skills 實現，用於 AI 圖像提示詞生成，結合了 1,246+ 個元素的領域資料庫、跨 12 個專業技能的智慧路由以及一個隨時間擴展函式庫的自我學習管道。對於任何希望獲得專業級 AI 圖像提示詞而無需手動掌握每個視覺領域詞彙的開發者、創意團隊或自動化工程師來說，它是理想的工具。