image-prompt-reverse

name	image-prompt-reverse
description	AI图像提示词反推工具。分析用户上传的图片，生成精准的描述性提示词，支持输出多种主流AI绘图模型格式(Stable Diffusion、Midjourney、DALL-E 3、Flux、NijiJourney等)，具备IP/品牌识别能力，支持交互式精调。当用户需要"反推图片提示词"、"分析图片生成提示词"、"图片转提示词"、"提取图片描述词"、"生成AI绘图提示词"时触发此技能。

Image Prompt Reverse

概述

本技能用于分析用户上传的图片，生成精准、全面的AI绘图提示词。采用系统化分析方法，支持10+种主流AI绘图模型格式输出，具备IP/品牌识别能力，支持交互式精调，帮助用户在不同AI平台上复现类似效果的图像。

核心能力

1. 图片深度分析 - 系统化提取图片中的视觉元素，使用分层检查清单确保全面性
2. 场景专项识别 - 针对人物、动漫、风景、城市、静物、幻想等场景的专项分析
3. 多模型格式输出 - 适配10+种主流AI绘图模型的提示词格式
4. 智能提示词生成 - 基于场景类型自动生成最优提示词结构
5. 角色与IP识别 - 识别常见动漫角色、明星和知名IP品牌
6. 质量词推荐 - 自动推荐正向质量词和反向提示词
7. 交互式精调 - 支持用户指定区域重点分析和提示词微调

支持的AI绘图模型

模型	特点	适用场景
Stable Diffusion	权重语法，高度可控	精细调整、专业创作
Midjourney	自然语言+参数	艺术风格、概念设计
DALL-E 3	纯自然语言	商业应用、文字理解
Flux	自然语言+风格词	写实人像、高质量输出
NijiJourney	动漫专用	二次元、插画创作
Leonardo.ai	内置风格预设	快速原型、多种风格
InvokeAI	节点工作流	专业工作流、精细控制
Playground AI	滤镜风格	快速生成、风格探索
Ideogram	文字渲染	文字设计、海报创作

详细格式规范参见 models.md。

---

工作流程

快速流程（30秒）

1. 识别场景类型 → 2. 提取主体特征 → 3. 分析光影色彩 → 4. 生成提示词

完整流程

步骤1: 接收图片

确认用户已上传图片。如果用户未上传图片，提示用户提供。

步骤2: 场景类型识别

首先识别图片的场景类型，以确定分析重点：

场景类型	判断标准	分析重点	参考文档
人物肖像	人物占比>50%	面部/表情/服装	pose.md
动漫/二次元	线条清晰，大眼睛	角色/画风	character-recognition.md
风景/自然	自然景观为主	天气/光线/季节	nature.md
城市/建筑	建筑结构	风格/材质/构图	architecture.md
静物/产品	单一物体	材质/光影/设计	material.md
美食	食物为主	摆盘/质感/氛围	food-photography.md
动物	动物为主	品种/姿态/环境	animals.md
车辆	车辆为主	类型/品牌/风格	vehicles.md
科技产品	电子产品	设计/材质/风格	tech-products.md
游戏	游戏相关	场景/角色/风格	gaming.md

详细场景识别参见 scene-recognition.md。

步骤3: 主体识别

根据场景类型，进行专项识别：

人物图片:

• 动漫角色识别 → character-recognition.md
• 明星/名人识别 → celebrity-recognition.md
• IP/品牌识别 → ip-brand-recognition.md

识别置信度:

置信度	输出方式
高	直接说出角色/明星名
中	"疑似为XX"
低	不猜测，详细描述可见特征

步骤4: 深度分析

使用五层分析法系统化分析：

第一层: 整体印象 - 风格、氛围、情绪基调
第二层: 主体内容 - 人物/物体特征、数量、位置
第三层: 环境背景 - 场景、地点、背景元素
第四层: 技术细节 - 光照、视角、构图、景深
第五层: 质量特征 - 分辨率、细节程度、画面质感

分析参考文档:

分析维度	参考文档
构图	composition.md
色彩	color-palette.md
光影	lighting.md
材质	material.md
镜头	camera-lens.md
天气	weather.md
情绪	emotion.md
姿态	pose.md
特效	effects.md

使用检查清单确保全面性:

分析时必须参照 precision-checklist.md 逐项检查。

步骤5: 验证分析结果

交叉验证规则:

• 性别验证: 必须满足 服装特征 + (发型特征 或 面部特征)
• 风格验证: 必须满足至少2个风格特征一致
• 光照验证: 阴影方向 + 高光位置 + 光源方向必须一致

详细验证方法参见 analysis-method.md。

步骤6: 生成提示词

基于场景类型选择模板:

根据识别的场景类型，使用 prompt-templates.md 中的对应模板。

提示词生成原则:

[主体] → [特征] → [环境] → [光照] → [风格] → [技术] → [质量]

• 具体优于抽象: "flowing silver hair" > "nice hair"
• 可量化优于模糊: "35mm lens" > "normal lens"
• 按重要性排序，核心主体权重最高

权重分配策略:

元素类型	SD权重	MJ权重	说明
核心主体	1.3-1.5	::3-5	最重要的识别特征
关键特征	1.2-1.3	::2-3	重要的外貌/特征描述
风格词	1.1-1.2	::1-2	艺术风格修饰
环境词	0.9-1.1	::0.5-1	背景环境描述
质量词	1.1-1.3	自然融入	质量增强词

步骤7: 模型适配输出

询问用户需要哪些模型的提示词格式，或默认输出以下常用模型：

模型	特点
Stable Diffusion	权重语法，需质量词
Midjourney	参数语法，自然描述
DALL-E 3	纯自然语言描述
Flux	自然语言+风格词
NijiJourney	动漫风格专用

自动适配规则:

1. SD → Midjourney: 移除权重语法，保留核心描述，添加参数
2. SD → DALL-E 3: 展开为完整句子，添加连接词，详细描述
3. SD → Flux: 简化权重，保留风格词，自然语言为主
4. SD → NijiJourney: 添加--niji参数，优化动漫描述

详细格式规范参见 models.md。

步骤8: 输出质量词

自动生成配套的质量增强词和反向提示词。参见 quality-words.md。

步骤9: 交互式精调（可选）

初始提示词生成后，支持用户进行交互式精调：

精调选项:

• 区域指定分析: 用户指定图片中的特定区域重点分析
• 元素精调: 调整特定元素的描述方式
• 风格微调: 调整整体风格方向
• 权重调整: 修改元素权重分配
• 格式优化: 针对特定模型优化输出格式

详细精调方法参见 interactive-refinement.md。

---

输出格式

标准输出模板

## 📷 图片分析结果

### 整体描述
[一句话概括图片内容]

### 场景类型
[识别的场景类型]

### 详细分析
- **主体**: [主体描述]
- **角色/IP**: [识别到的角色名/明星名/IP品牌，或"未识别到"]
- **风格**: [艺术风格]
- **光照**: [光照类型]
- **视角**: [视角构图]
- **氛围**: [情绪氛围]

---

## 🎨 提示词输出

### Stable Diffusion
**正向提示词:**

[SD格式提示词]

**反向提示词:**

[反向提示词]

### Midjourney

[Midjourney格式提示词]

### DALL-E 3

[自然语言描述]

### Flux

[Flux格式提示词]

### NijiJourney

[NijiJourney格式提示词]

---

## ✨ 质量词推荐

### 正向质量词

[推荐的质量增强词]

### 反向提示词模板

[通用反向提示词]

---

提示词编写原则

精准描述

• 具体优于抽象: 使用"flowing silver hair"而非"nice hair"
• 可量化优于模糊: 使用"35mm lens"而非"normal lens"
• 专业术语: 使用"chiaroscuro lighting"而非"dramatic lighting"
• 避免主观: 不描述"beautiful"，而是描述"symmetrical facial features"

长度建议

模型	推荐长度
Stable Diffusion	50-150 tokens
Midjourney	30-80 words
DALL-E 3	100-400 words
Flux	50-150 words
NijiJourney	30-80 words

不确定性处理

当无法确定某些特征时：

• 性别不确定: 使用"a person"或"androgynous appearance"
• 年龄不确定: 使用"young adult"
• 细节不清: 标注"细节模糊，可能为..."
• 遮挡严重: 标注"部分被遮挡，可见..."

---

常见错误预防

性别误认预防

高风险场景: 动漫风格人物、中性服装、背影/侧影

预防措施:

1. 优先查看服装（裙子/西装等决定性特征）
2. 多重特征交叉验证（服装+发型+配饰）
3. 不确定时使用中性描述（"a person"）

详细指南参见 gender-identification.md。

风格误判预防

易混淆风格: 3D渲染vs照片写实、油画vs数字绘画、动漫vs卡通

预防措施:

1. 查看纹理细节（笔触、像素、光滑度）
2. 检查边缘处理方式
3. 观察光影的物理准确性

详细指南参见 art-styles.md。

---

参考资源快速索引

按分析阶段

阶段	文档	说明
场景识别	scene-recognition.md	场景类型判断
主体识别	character-recognition.md	动漫角色识别
主体识别	celebrity-recognition.md	明星名人识别
主体识别	ip-brand-recognition.md	IP品牌识别
深度分析	analysis-method.md	分析方法论
深度分析	precision-checklist.md	检查清单
提示词生成	prompt-templates.md	提示词模板
模型适配	models.md	模型格式规范
质量优化	quality-words.md	质量词库

按视觉元素

元素	文档	说明
构图	composition.md	构图法则分析
色彩	color-palette.md	色彩搭配分析
光影	lighting.md	光影效果分析
材质	material.md	材质纹理识别
镜头	camera-lens.md	镜头语言分析
天气	weather.md	天气氛围分析
情绪	emotion.md	情绪氛围分析
姿态	pose.md	人物姿态分析
特效	effects.md	后期特效分析

按专业领域

领域	文档	说明
人像	fashion.md	时尚穿搭分析
人像	gender-identification.md	性别识别指南
美食	food-photography.md	美食摄影分析
室内	interior-design.md	室内设计分析
建筑	architecture.md	建筑风格分析
风景	nature.md	自然景观分析
动物	animals.md	宠物动物分析
车辆	vehicles.md	车辆交通分析
运动	sports.md	运动场景分析
音乐	music.md	音乐乐器分析
演出	performance.md	舞台演出分析
游戏	gaming.md	游戏场景分析
科技	tech-products.md	科技产品分析
艺术	art-styles.md	艺术风格分析

辅助功能

功能	文档	说明
提示词解释	prompt-explanation.md	解释提示词含义
交互精调	interactive-refinement.md	提示词微调