prompt-master

name	prompt-master
description	提示词主控 - 智能选择合适的领域skill并生成提示词，支持自动领域分类和调度

⚠️ 旧架构 - Prompt Master - 提示词主控 Skill

注意：这是旧架构系统，使用JSON文件（facial_features_library.json）作为数据源。

新架构请使用：intelligent-prompt-generator（使用elements.db数据库）

版本: 1.0 创建日期: 2026-01-01 架构: Master-Subordinate (主从结构)

---

📋 系统概述

这是一个智能提示词管理系统的主控 Skill，负责：

1. 理解用户的自然语言意图
2. 路由到对应的子模块
3. 整合子模块输出并返回结果

---

🎯 核心功能

1. 意图识别 (Intent Recognition)

自动识别用户请求的5种意图类型：

意图类型	关键词	示例请求	路由到
提取 (Extract)	提取、分析、分类、识别	"提取这个Prompt中的五官特征"	extractor.md
组装 (Build)	生成、组装、创建、制作	"生成一个电影级美少女的提示词"	builder.md
优化 (Optimize)	优化、改进、增强、调整	"优化这个提示词"	optimizer.md
推荐 (Recommend)	推荐、建议、相似、匹配	"推荐类似的提示词"	recommender.md
分析 (Analyze)	分析、对比、评估、查询	"分析这两个提示词的区别"	analyzer.md

2. 数据源

系统使用以下JSON数据文件：

• facial_features_library.json (v1.2) - 人像面部特征库（28个分类）
• module_library.json - 摄影流派与设备索引
• extracted_modules.json - 18个源Prompts的提取结果

---

🤖 执行流程

Step 1: 意图识别

分析用户输入，识别意图类型：

# 伪代码示例
user_input = "生成一个电影级美少女的提示词"

if any(keyword in user_input for keyword in ["生成", "组装", "创建", "制作"]):
    intent = "build"
elif any(keyword in user_input for keyword in ["提取", "分析Prompt", "识别"]):
    intent = "extract"
elif any(keyword in user_input for keyword in ["优化", "改进", "增强"]):
    intent = "optimize"
elif any(keyword in user_input for keyword in ["推荐", "建议", "相似"]):
    intent = "recommend"
elif any(keyword in user_input for keyword in ["分析", "对比", "查询"]):
    intent = "analyze"
else:
    # 默认：build（最常用）
    intent = "build"

Step 2: 路由到子模块

根据意图调用对应模块：

# 伪代码示例
if intent == "build":
    # 调用 builder.md
    result = call_builder_module(user_input)
elif intent == "extract":
    # 调用 extractor.md
    result = call_extractor_module(user_input)
# ... 其他模块

Step 3: 返回结果

整合子模块输出，格式化返回给用户。

---

📦 子模块说明

1. extractor.md - 提取模块

功能: 从用户提供的Prompt中提取可复用的模块 输入: 原始Prompt文本 输出: 提取的模块分类（眼型、脸型、唇型等）

示例:

用户: "提取这个Prompt的五官特征: A beautiful young woman with large blue eyes..."
输出:
  - 眼型: large blue expressive
  - 性别: female
  - 年龄: young_adult

2. builder.md - 组装模块

功能: 根据用户描述智能组装提示词 输入: 用户的自然语言描述 输出: 完整的提示词

示例:

用户: "生成一个电影级美少女的提示词"
输出: A beautiful East Asian young woman, large expressive almond eyes, ...

3. optimizer.md - 优化模块

功能: 优化用户提供的提示词 输入: 原始提示词 输出: 优化后的提示词 + 优化建议

示例:

用户: "优化这个提示词: A woman with eyes"
输出: A beautiful young East Asian woman, large expressive almond eyes, ...
建议: 添加了年龄、人种、眼型细节

4. recommender.md - 推荐模块

功能: 推荐相似或相关的提示词/模块 输入: Prompt ID 或 描述 输出: 推荐列表（带相似度评分）

示例:

用户: "推荐与Prompt #5相似的提示词"
输出:
  1. Prompt #18 (相似度: 85%) - 同为清纯少女风格
  2. Prompt #10 (相似度: 75%) - 同为East Asian人像

5. analyzer.md - 分析模块

功能: 分析提示词、对比、查询信息 输入: Prompt ID 或 查询条件 输出: 详细分析结果

示例:

用户: "对比Prompt #5和#17的区别"
输出:
  - Prompt #5: 清纯少女，古典优雅
  - Prompt #17: 性感挑逗，叛逆风格
  差异: 表情、眼型、皮肤质感完全不同

---

🔧 实际执行逻辑

当你作为 Prompt Master Skill 被调用时，请按以下步骤执行：

1. 接收用户输入

从用户消息中提取关键信息：

• 意图类型（提取/组装/优化/推荐/分析）
• 具体参数（Prompt ID、描述、查询条件等）

2. 意图识别

使用关键词匹配识别用户意图：

提取意图:

• 关键词: "提取", "分析Prompt中的", "识别", "这个Prompt的"
• 示例: "提取Prompt #18的眼型"

组装意图:

• 关键词: "生成", "创建", "组装", "制作", "我想要"
• 示例: "生成一个清纯少女的提示词"

优化意图:

• 关键词: "优化", "改进", "增强", "调整", "修正"
• 示例: "优化这个提示词"

推荐意图:

• 关键词: "推荐", "建议", "相似", "类似", "相关"
• 示例: "推荐相似的提示词"

分析意图:

• 关键词: "分析", "对比", "查询", "查看", "详细信息"
• 示例: "分析Prompt #5的特点"

3. 调用子模块

重要: 你不能直接执行子模块的逻辑。你需要：

选项A: 调用CLI工具（推荐）

使用 prompt_tool.py CLI工具：

# 组装功能
python3 prompt_tool.py build "电影级美少女"
python3 prompt_tool.py generate  # 交互式生成

# 查询功能
python3 prompt_tool.py show 5
python3 prompt_tool.py recommend 5
python3 prompt_tool.py compare 5 17

# 五官查询
python3 prompt_tool.py facial --list-types
python3 prompt_tool.py facial --style "清纯少女"

选项B: 直接读取JSON数据

当CLI工具无法满足需求时，直接操作JSON数据：

# 读取数据文件
facial_lib = load_json("extracted_results/facial_features_library.json")
module_lib = load_json("extracted_results/module_library.json")
prompts_data = load_json("extracted_results/extracted_modules.json")

# 根据意图处理数据
# ...

4. 格式化输出

将结果以清晰易读的格式返回给用户：

• 使用Markdown格式化
• 突出关键信息
• 提供可操作的建议

---

📊 使用示例

示例1: 组装提示词

用户输入:

"我想生成一个电影级的清纯美少女的提示词"

执行流程:

1. 识别意图: build（组装）
2. 提取关键词: "电影级" → cinematic_narrative, "清纯美少女" → 清纯少女
3. 调用CLI: python3 prompt_tool.py build "电影级的清纯美少女"
4. 返回生成的完整提示词

输出:

✨ 已生成提示词:

A beautiful East Asian young woman, large expressive almond eyes, thick natural lashes, deep clear iris, dewy sparkle, soft highlights, oval face, delicate refined Asian facial structure, soft full lips, gentle pink gloss, small straight delicate nose, flawless porcelain skin, radiant jade-like brightness, natural subtle blush, dewy luminous glow, innocent gaze, gentle smile, soft introspective, photographed with canon_eos_r5, 35mm f/2.8, 8K HDR, cinematic lighting, photorealistic, ultra-detailed

📋 组合详情:
- 流派: 电影叙事摄影
- 风格: 清纯少女
- 人种: 东亚人
- 年龄: 青年（18-25岁）
- 性别: 女性

示例2: 推荐相似提示词

用户输入:

"推荐与Prompt #5相似的提示词"

执行流程:

1. 识别意图: recommend（推荐）
2. 提取Prompt ID: 5
3. 调用CLI: python3 prompt_tool.py recommend 5
4. 返回推荐列表

输出:

🔍 为 Prompt #5 (清纯少女古典美) 推荐相关提示词

[1] #18 清纯公主Cosplay
    相似度: 75%
    理由: 同为清纯少女风格 + 同用东亚人种

[2] #10 温柔少女人像
    相似度: 65%
    理由: 同为人像美容摄影 + 主题相关

[3] #17 性感朋克少女
    相似度: 45%
    理由: 同为年轻女性人像（风格差异大）

示例3: 查询五官组合

用户输入:

"清纯少女风格应该用什么五官组合？"

执行流程:

1. 识别意图: analyze（分析/查询）
2. 识别风格: "清纯少女"
3. 调用CLI: python3 prompt_tool.py facial --style "清纯少女"
4. 返回五官组合推荐

输出:

🎨 风格: 清纯少女

推荐五官组合:

性别: 女性 (female)
年龄: 青年（18-25岁） (young_adult)
人种: 东亚人 (east_asian)
眼型: 大眼杏仁眼 (large_expressive_almond) [9.8/10]
  关键词: large expressive eyes, almond eyes, thick natural lashes
唇型: 粉嫩光泽唇 (soft_pink_gloss) [9.0/10]
  关键词: soft full lips, gentle pink gloss, natural lip color
鼻型: 小巧直鼻 (small_straight_delicate) [9.0/10]
  关键词: small straight nose, delicate nose
皮肤: 瓷肌无瑕（发光质感） (porcelain_flawless_radiant) [9.5/10]
  关键词: flawless porcelain skin, radiant jade-like brightness
表情: 清纯温柔眼神 (innocent_gentle_gaze) [9.5/10]
  关键词: innocent gaze, gentle smile, soft introspective

---

🎯 最佳实践

1. 优先使用CLI工具

• ✅ CLI工具已经过测试，稳定可靠
• ✅ 输出格式统一，易于理解
• ✅ 包含彩色输出，体验更好

2. 清晰的输出格式

• 使用Markdown格式化
• 使用emoji增强可读性
• 突出显示关键信息

3. 智能路由

• 当用户意图不明确时，提供选项让用户选择
• 对于复杂请求，可能需要调用多个子模块

4. 错误处理

• 当JSON文件不存在时，提示用户
• 当Prompt ID不存在时，列出可用ID
• 当关键词无法匹配时，提供建议

---

📚 数据文件路径

/Users/huangzongning/prompt_gen_image/
├── extracted_results/
│   ├── facial_features_library.json (v1.2, 28分类)
│   ├── module_library.json (10摄影流派)
│   └── extracted_modules.json (18 Prompts)
├── prompt_tool.py (CLI工具)
└── demo_generate.py (演示脚本)

---

🔍 执行指令

当用户调用这个Skill时，请：

1. 分析用户意图

   • 仔细阅读用户输入
   • 识别关键词和参数

2. 选择执行方式

   • 优先使用CLI工具（Bash调用 prompt_tool.py）
   • 必要时直接读取JSON数据（Read tool）

3. 执行并返回

   • 格式化输出结果
   • 提供可操作的后续建议

4. 主动优化

   • 如果用户提供的信息不完整，主动优化或询问
   • 提供改进建议

---

Skill状态: ✅ 可用 支持的操作: 提取、组装、优化、推荐、分析 数据版本: facial_features_library v1.2 总分类数: 28个（9大类）