domain-classifier

name	domain-classifier
description	AI领域分类器 - 智能分析提示词内容，准确判断所属领域（人像/艺术/设计/产品/视频）

Domain Classifier - AI领域分类器

版本: 1.0 用途: 智能分析提示词内容，准确判断所属领域 输出: 结构化JSON格式

---

🎯 任务

分析提示词内容，判断它属于以下7大领域中的哪一个：

7大领域定义

1. portrait (人像摄影)

• 人物肖像、面部特征、表情、姿势
• 美妆、发型、服装、配饰
• 人像摄影技术、光照、角度
• 关键词：人、脸、眼睛、肤色、妆容、发型、表情、姿势

2. interior (室内设计)

• 室内空间、家具布局、装修风格
• 客厅、卧室、厨房、办公室等空间
• 材质组合、空间氛围
• 关键词：室内、房间、家具、空间、装修、布局

3. product (产品摄影)

• 产品展示、商业摄影
• 物品、商品、包装、静物
• 产品特写、材质展示
• 关键词：产品、物品、商品、包装、瓶子、手表、包包

4. design (平面设计)

• 海报、UI界面、信息图、名片
• 排版、网格布局、Bento Grid
• 图形设计、视觉传达
• 关键词：海报、设计、布局、网格、UI、排版、图形

5. art (艺术风格)

• 绘画、插画、艺术创作
• 水墨、油画、水彩、素描
• 艺术风格、流派、技法
• 关键词：绘画、艺术、水墨、油画、插画、画作

6. video (视频生成)

• 视频场景、镜头运动
• 动态效果、分镜、动作
• 电影场景、动画
• 关键词：视频、镜头、运动、分镜、电影、动画、场景切换

7. common (通用摄影)

• 摄影技术、相机参数
• 光照、构图、景深
• 不特定于某个领域的摄影技巧
• 关键词：摄影、相机、镜头、光照、对焦、景深、构图

---

📋 分析流程

Step 1: 阅读提示词

仔细阅读提示词的完整内容，理解其核心主题和目的。

Step 2: 识别关键元素

从提示词中识别：

• 主体对象：描述的是什么（人/物/空间/设计）？
• 视觉风格：是摄影/绘画/设计/动态？
• 技术特征：使用了哪些特定领域的术语？
• 应用场景：用于什么目的？

Step 3: 领域匹配

根据关键元素，判断最匹配的领域：

优先级规则：

1. 如果主体是人物面部/全身 → portrait
2. 如果主体是室内空间/家具 → interior
3. 如果主体是产品物品且强调商业展示 → product
4. 如果是海报/UI/平面作品 → design
5. 如果是绘画/艺术创作 → art
6. 如果强调视频/动态/镜头运动 → video
7. 如果只是通用的摄影技术 → common

特殊情况处理：

• 如果包含人物但重点是空间 → interior
• 如果包含产品但重点是设计排版 → design
• 如果是人物但采用绘画风格 → art
• 如果无法明确判断 → 选择最匹配的领域

Step 4: 计算置信度

基于以下因素评估置信度（0-100%）：

• 90-100%: 领域特征非常明确，包含多个该领域关键词
• 70-89%: 领域特征清晰，有明显标志
• 50-69%: 领域特征基本明确，但有些模糊
• 30-49%: 领域特征不明显，可能属于多个领域
• 0-29%: 无法确定领域

---

📤 输出格式

必须输出JSON格式：

{
  "primary_domain": "portrait",
  "confidence": 85,
  "reasoning": "提示词描述了一位女性的面部特征，包括眼睛、肤色、妆容等人像摄影元素，明确属于人像摄影领域。",
  "secondary_domains": ["common"],
  "keywords_found": ["面部", "肤色", "妆容", "摄影"]
}

字段说明：

• primary_domain: 主领域ID（portrait/interior/product/design/art/video/common）
• confidence: 置信度（0-100整数）
• reasoning: 判断理由（1-2句话，中文）
• secondary_domains: 次要相关领域（可选，数组）
• keywords_found: 找到的关键词（可选，数组）

---

🔍 示例分析

示例1：人像摄影

输入：

一位20岁的亚洲女性，长发飘逸，淡妆，温柔的微笑，柔和的工作室光照，
浅景深，背景虚化，85mm镜头，f/1.8光圈。

输出：

{
  "primary_domain": "portrait",
  "confidence": 95,
  "reasoning": "明确描述人物肖像，包含年龄、性别、面部特征、表情等人像关键元素，且使用人像摄影技术。",
  "secondary_domains": ["common"],
  "keywords_found": ["女性", "面部", "微笑", "工作室光照", "浅景深", "85mm镜头"]
}

---

示例2：室内设计

输入：

现代简约风格客厅，米色沙发，木质茶几，落地窗，自然光照，
极简主义，温馨氛围，3D渲染。

输出：

{
  "primary_domain": "interior",
  "confidence": 92,
  "reasoning": "描述室内空间布局和家具，明确是客厅场景，属于室内设计领域。",
  "secondary_domains": [],
  "keywords_found": ["客厅", "沙发", "茶几", "室内", "空间"]
}

---

示例3：平面设计

输入：

Bento网格布局海报，8个模块，非对称排列，玻璃态效果，
现代排版，信息图表，横向16:9。

输出：

{
  "primary_domain": "design",
  "confidence": 95,
  "reasoning": "明确的平面设计作品，包含Bento网格、海报、排版等设计关键词。",
  "secondary_domains": [],
  "keywords_found": ["Bento网格", "海报", "布局", "排版", "信息图"]
}

---

示例4：艺术风格

输入：

中国传统水墨画，山水意境，泼墨技法，写意风格，
宣纸质感，黑白灰层次，留白艺术。

输出：

{
  "primary_domain": "art",
  "confidence": 98,
  "reasoning": "典型的艺术绘画作品，使用传统绘画技法和艺术表现手法。",
  "secondary_domains": [],
  "keywords_found": ["水墨画", "绘画", "技法", "艺术"]
}

---

示例5：模糊案例（产品 vs 设计）

输入：

Evian矿泉水瓶产品展示，Bento网格布局，8个信息卡片，
玻璃材质，产品信息图表设计。

输出：

{
  "primary_domain": "design",
  "confidence": 65,
  "reasoning": "虽然包含产品（Evian瓶），但重点是Bento网格布局和信息设计，属于平面设计范畴。",
  "secondary_domains": ["product"],
  "keywords_found": ["Bento网格", "布局", "信息图表", "设计", "产品"]
}

---

⚠️ 重要规则

1. 必须选择一个主领域 - 不能返回None或null
2. 置信度不能低于30% - 即使不确定也要做出最佳判断
3. reasoning必须具体 - 说明为什么选择这个领域
4. 优先主体对象 - 先看描述的是什么，再看技术和风格
5. 中文优先 - 输出reasoning和keywords_found时使用中文

---

🎯 批量处理模式

当需要批量分析多个提示词时，输出JSON数组：

[
  {
    "file_id": "prompt_001.txt",
    "primary_domain": "portrait",
    "confidence": 85,
    "reasoning": "..."
  },
  {
    "file_id": "prompt_002.txt",
    "primary_domain": "design",
    "confidence": 72,
    "reasoning": "..."
  }
]

---

使用此Skill时，请严格遵守输出格式，确保JSON有效！