wonder/cs-note

Fork 0

Files

T

wonder 2e207dc8fb vault backup: 2026-06-03 10:22:41

2026-06-03 10:22:41 +08:00

6.4 KiB

Raw Blame History

13. 标签驱动提示词工程

一句话概括：40+ 预定义标签映射到精确的图像生成指令，保障风格一致性与管线友好性。

处理流程

flowchart LR
    A["用户选择标签\n+ 输入描述"] --> B["Tag Mapper\n标签→指令映射"]
    B --> C["Prompt Template\n三段式结构组装"]
    C --> D{"LLM 可用?"}
    D -->|"是"| E["PromptOptimizer\nLLM 精炼"]
    D -->|"否"| F["Fallback Template\n模板生成"]
    E --> G["Final Prompt\n最终提示词"]
    F --> G
    G --> H["AssetGenerator\n文生图 API"]

    style B fill:#7c4dff,stroke:#333,color:#fff
    style D fill:#ff9800,stroke:#333,color:#fff
    style G fill:#4caf50,stroke:#333,color:#fff

标签分类体系

系统内置 40+ 预定义标签，分为 7 大类别，每条标签精确映射到一条图像生成指令。

内容类型 — 决定布局与格式

标签	映射指令要点
`瓦片/图块`	瓦片集，可无缝拼接，网格排列，白色背景
`背景/远景`	三层结构（远景/中景/前景），视差滚动适配
`前景/装饰`	独立遮挡物，白色背景，可叠加
`图集`	多元素打包，网格排列，白色背景
`纹理`	可无缝平铺，白色背景
`序列帧`	连续动画帧，网格排列，标注方向和帧数
`纸娃娃部件`	可组合散件，统一比例和锚点

美术风格 — 决定渲染技术

标签	映射指令要点
`像素`	严格像素网格，无抗锯齿，有限色盘
`卡通`	粗轮廓线，明亮饱和色彩，夸张比例
`手绘`	自然笔触纹理，不规则线条
`矢量`	干净几何形状，平滑曲线
`扁平`	无阴影或极少阴影，纯色块面

色调配色

标签	映射指令要点
`暖色`	红橙黄为主，温暖活力氛围
`冷色`	蓝青紫为主，冷静神秘氛围
`鲜艳`	高饱和度，强烈对比
`柔和`	低饱和度，温和内敛
`单色`	单一色相，明暗层次

线条粗细

标签	映射指令要点
`无`	无线条轮廓，纯色块面
`细线`	0.5-1px，细腻精致
`中等`	1-2px，清晰明确
`粗线`	2-4px，粗犷有力

场景氛围

标签	映射指令要点
`森林`	树木、藤蔓、蘑菇、落叶
`地牢`	石砖墙壁、火把、蛛网
`城市`	建筑、街道、路灯
`太空`	星云、行星、飞船
`水下`	珊瑚、水草、气泡
`沙漠`	沙丘、仙人掌、绿洲

光照效果

标签	映射指令要点
`明亮`	充足自然光，无深阴影
`昏暗`	低光照，柔和阴影
`戏剧`	强烈明暗对比，聚光灯效果
`霓虹`	高饱和彩色光源，赛博朋克辉光

情绪基调

标签	映射指令要点
`欢快`	明亮色彩，圆润造型
`黑暗`	深色调，尖锐造型
`神秘`	朦胧效果，未知元素
`史诗`	宏大场面，壮观远景
`平静`	柔和色彩，开阔空间

精灵图特殊处理

flowchart TD
    T["用户标签"] --> G{"包含网格标签?\n瓦片/图集/序列帧/纸娃娃"}
    G -->|"是"| S["注入网格布局指令\n白色背景 + 8-16px 间隙\n投影法可检测"]
    G -->|"否"| N["标准布局指令"]
    S --> P["Prompt 构建"]
    N --> P

当标签命中 gridLayoutTags 集合时，自动注入网格布局专用指令：

纯白色背景 (#FFFFFF)
帧间 8-16px 纯白间隙
间隙内不得有任何像素
确保投影法能可靠检测间隙

这些指令对下游的 SplitSprite 切割算法至关重要。

未知标签回退

当用户输入系统未预定义的标签时，不会报错，而是降级为通用风格描述：

func tagToInstruction(tag string) string {
    if inst, ok := tagInstruction[tag]; ok {
        return inst
    }
    // 未知标签：作为风格修饰词处理
    return fmt.Sprintf("风格特征: %s（用户自定义标签，按其字面含义应用到画面中）", tag)
}

这保证了系统的向前兼容 — 新增标签无需修改核心逻辑。

PromptOptimizer 节点

PromptOptimizer 是 Eino 管线的第一个节点，负责将标签指令组装为最终提示词。

flowchart LR
    subgraph "输入"
        A["全局风格提示词\nprojectStyle"]
        B["任务描述\nprompt + userNote"]
        C["标签指令\ntagInstructions"]
        D["拒绝原因\nqualityFeedback\n(重试时)"]
    end

    subgraph "PromptOptimizer"
        E["buildMetaPrompt\n组装元提示词"]
        F{"LLM 可用?"}
        G["callLLMRefine\nLLM 精炼"]
        H["fallbackRefine\n模板生成"]
    end

    subgraph "输出"
        I["Final Prompt\n三段式结构"]
    end

    A --> E
    B --> E
    C --> E
    D --> E
    E --> F
    F -->|"API Key 已配置"| G
    F -->|"未配置 / 调用失败"| H
    G --> I
    H --> I

三段式输出结构：

段落	内容	示例
【主题】	画面主体与场景	"一个融合像素风格的游戏角色精灵图..."
【风格】	艺术风格与视觉特征	"美术风格: 像素画；色调: 暖色系..."
【技术】	分辨率和格式参数	"输出格式: spritesheet；纯白色背景..."

LLM 回退机制

当 LLM 不可用时（API Key 未配置 / 网络故障），系统自动降级到模板生成：

flowchart TD
    A["callLLMRefine"] --> B{"API Key\n已配置?"}
    B -->|"否"| F["fallbackRefine\n模板回退"]
    B -->|"是"| C["调用 Chat API"]
    C --> D{"调用成功?"}
    D -->|"是"| E["返回 LLM 优化结果"]
    D -->|"否"| F
    F --> G["解析标签\n组装三段式提示词"]
    G --> H["返回模板生成结果"]

模板回退同样遵循标签驱动逻辑，保证即使没有 LLM 参与，生成的提示词也具备结构化和一致性。

关联文档

文档	关系
05 - 生成管线	PromptOptimizer 是管线第一阶段
06 - 精灵图处理	网格布局指令影响切割算法
01 - 系统总览	提示词工程在整体架构中的位置
00 - 索引	返回文档总览

6.4 KiB Raw Blame History