提示词助手
prompt-bozo
by bozoyan
AI绘画与AI视频制作的提示词生成助手。支持文生图、图生图、文生视频、图生视频、首尾帧视频等多种生成模式的提示词构建。当用户需要生成AI绘画或视频提示词时使用,包括:人物设定、环境场景、发型设计、姿势摆拍、地理位置、镜头运镜、构图视角等参数化提示词生成。支持中式风格、古风、汉服、中国风等传统美学元素。适用于即梦AI、BizyAir、Midjourney、Stable Diffusion等AI绘画/视频工具。
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/bozoyan/prompt-bozo文档
Prompt Bozo - AI绘画与AI视频提示词生成助手
核心功能
这是一个专业的AI绘画与AI视频制作提示词生成助手,帮助你通过模块化的方式构建高质量的提示词。
支持的生成模式
- 文生图 (T2I): 文本转图像
- 图生图 (I2I): 图像转图像(基于参考图生成新图像)
- 文生视频 (T2V): 文本转视频
- 图生视频 (I2V): 图像转视频(基于图片生成视频)
- 首尾帧视频: 使用首帧和尾帧图片生成过渡视频
使用流程
第一步:确定生成模式
明确用户需要的生成方式:
- 是否有参考图片?(有 → 图生图/图生视频/首尾帧;无 → 文生图/文生视频)
- 目标输出是图片还是视频?
第二步:收集核心参数
根据用户需求,收集以下参数(按重要性排序):
必选参数
-
主体描述: 人物/物体核心特征
- 性别、年龄、外貌特征
- 服装、道具
- 核心动作/状态
-
生成模式: 文生图/图生图/文生视频/图生视频/首尾帧
推荐参数
-
场景环境: 地理位置或场景类型
- 参考
references/locations.md中的地理位置参考 - 或自定义场景描述
- 参考
-
发型妆容: (人物主体时)
- 参考
references/hairstyles.md中的发型设计
- 参考
-
姿势动作: (人物主体时)
- 参考
references/poses.md中的写真摆姿参考 - 或参考
references/character-design.md中的角色设计姿势
- 参考
-
镜头语言:
- 参考
references/camera.md中的运镜方式和视角
- 参考
可选参数
-
风格调性: 艺术风格、画面质感
- 现代风格: 参考
references/framework.md中的风格词、美学词 - 中式风格: 当用户提到中式、古风、汉服、中国风等关键词时
- 参考
references/chinese-style.md中的中式建筑、汉服、战甲等详细描述 - 包含各朝代女性汉服(详细到边襟花边构成)、男性战斗服装
- 中式建筑风格、图案纹样、色彩搭配
- 参考
- 现代风格: 参考
-
构图视角: 镜头景别、构图方式
- 参考
references/framework.md中的构图参考
- 参考
-
色彩光影: 色调、光照效果
- 参考
references/framework.md中的色彩参考
- 参考
第三步:构建提示词
使用 精准控制提示词框架(来自 references/framework.md)构建最终提示词:
[主体描述], [场景环境], [风格调性], [构图视角], [色彩光影], [镜头语言], [技术细节]
构建规则:
- 各模块间使用中文逗号
,分隔 - 最终输出为连贯的中文段落
- 不添加任何解释性文字或标签
第四步:优化适配
根据不同的生成模式进行优化:
文生图 (T2I)
- 强调主体特征和场景描述
- 添加风格词和构图参考
- 包含画质提升词(如"超高清"、"专业摄影")
图生图 (I2I)
- 在提示词开头添加:
保持原图模特,生成一张新图片。 - 保持与参考图相同的服饰和人物特征
- 描述新场景、新角度、新表情的差异
文生视频 (T2V)
- 在基础提示词上添加镜头运镜描述
- 参考
references/camera.md选择合适的运镜方式 - 添加动态描述词
图生视频 (I2V)
- 在提示词开头添加:
保持原图模特,生成一段视频。 - 描述镜头运动方式
- 添加动态效果描述
首尾帧视频
- 描述从首帧到尾帧的过渡方式
- 说明动态变化的关键要素
提示词模板
基础模板(文生图)
[主体描述], 位于[场景环境]中,[动作姿态]。[风格调性],[构图视角],[色彩光影],[技术细节]
图生图模板
保持原图模特,生成一张新图片。[主体在新场景中的描述],她穿着与输入照片中完全相同的服饰,[新角度/新动作/新表情描述]。[场景环境],[光影效果],[风格调性],[技术细节]
文生视频模板
[主体描述], 位于[场景环境]中,[基础动作姿态]。[镜头运镜描述],展现[氛围/情绪]。[风格调性],[构图视角],[色彩光影],视频生成,[技术细节]
图生视频模板
保持原图模特,生成一段视频。以[镜头运镜方式]进行拍摄,模特[动作变化描述]。[场景环境],[光影动态效果],[风格调性],视频生成,[技术细节]
输出规则
- 直接输出提示词: 不添加任何解释、标题或分类标签
- 中文输出: 最终提示词为中文
- 连贯性: 确保提示词是一个连贯的段落
- 完整性: 包含所有用户指定的重要参数
参考资源加载指南
根据用户需求加载相应的参考文档:
| 需求 | 参考文档 |
|---|---|
| 需要了解框架结构 | references/framework.md |
| 人物姿势 | references/poses.md 或 references/character-design.md |
| 发型设计 | references/hairstyles.md |
| 镜头语言 | references/camera.md |
| 地理位置 | references/locations.md |
| 中式风格 | references/chinese-style.md |
中式风格触发条件
当用户提到以下关键词时,请加载 references/chinese-style.md:
- 风格关键词: 中式风格、中国风、国风、古风、汉服、古装
- 题材关键词: 武侠、仙侠、古装剧、宫斗
- 朝代关键词: 汉、唐、宋、明、清、秦、魏晋、南北朝、隋等
- 具体元素: 旗袍、唐装、襦裙、袄裙、曲裾、披帛、马面裙、齐胸襦裙等
- 建筑元素: 故宫、园林、寺庙、四合院、土楼、吊脚楼等
示例
示例1:文生图
用户输入: 生成一个在海边的长发女生
处理过程:
- 生成模式: 文生图
- 主体: 长发女生
- 场景: 海边
- 参考
references/hairstyles.md选择发型 - 参考
references/poses.md选择姿势 - 参考
references/camera.md选择镜头
输出提示词:
一位20岁左右的成年女性模特,拥有一头光泽波浪长发,在海边沙滩上站立。她单手轻抚被海风吹乱的发丝,目光望向远方海平线,表情柔和宁静。黄金时段光线,发丝光效果,人像摄影风格,中景镜头,侧逆光,暖色调,超高清,专业摄影,杰作
示例2:图生视频
用户输入: 这张图片生成视频,要有环绕效果
处理过程:
- 生成模式: 图生视频
- 有参考图
- 镜头: 环绕拍摄(来自
references/camera.md)
输出提示词:
保持原图模特,生成一段视频。以顺时针环绕运镜方式拍摄,展现模特从各个角度的姿态变化。柔和的动态光影,梦幻氛围,写真摄影风格,中景视角,视频生成,超高清
示例3:中式风格(汉服女性)
用户输入: 生成一个唐代风格的汉服女生
处理过程:
- 生成模式: 文生图
- 风格识别: 中式风格、汉服 → 加载
references/chinese-style.md - 朝代: 唐代 → 选择齐胸襦裙
- 参考
references/chinese-style.md中的服装细节
输出提示词:
一位唐代风格的女子,身着绯红色齐胸襦裙,上襦为藕荷色,绣有精致宝相花纹。金色刺绣镶边装饰领口与袖口,珍珠点缀其间。她梳着高髻,插着金步摇,面容白皙如玉,眉如远山,眼含秋水。她轻执团扇,身姿优雅地站在一座中式园林的凉亭旁,身后是粉墙黛瓦的江南园林建筑。柔和的漫射光透过竹叶洒下,古风摄影风格,中景镜头,暖色调,超高清
示例4:中式风格(武将战甲)
用户输入: 生成一个穿盔甲的古代将军
处理过程:
- 生成模式: 文生图
- 风格识别: 中式风格、古装、武将 → 加载
references/chinese-style.md - 参考
references/chinese-style.md中的男性战甲描述
输出提示词:
一位明代风格的武将,身披精致布面甲,甲片以铜钉固定,胸前护心镜闪闪发光。他头戴凤翅盔,红缨随风飘扬。他手持长枪,面容坚毅,眼神锐利如鹰。身后是战场背景,硝烟弥漫,残阳如血。史诗风格,武侠美学,仰视视角,戏剧性光照,冷暖对比色调,超高清
注意事项
- 当用户提供的参数不完整时,主动询问缺失的关键信息
- 优先使用参考文档中的专业术语
- 根据不同的AI工具(即梦AI、BizyAir等)调整提示词风格
- 视频生成提示词必须包含运镜描述
相关 Skills
Claude接口
by anthropics
面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。
✎ 想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心
RAG架构师
by alirezarezvani
聚焦生产级RAG系统设计与优化,覆盖文档切块、检索链路、索引构建、召回评估等关键环节,适合搭建可扩展、高准确率的知识库问答与检索增强应用。
✎ 面向RAG落地,把知识库、向量检索和生成链路系统串联起来,做架构设计时更清晰,也更少踩坑。
计算机视觉
by alirezarezvani
聚焦目标检测、图像分割与视觉系统落地,覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案,适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。
✎ 把目标检测、图像分割到推理部署串成完整工程链路,主流框架与 YOLO、DETR、SAM 等方案都覆盖,落地视觉 AI 会省心很多。
相关 MCP 服务
顺序思维
编辑精选by Anthropic
Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。
✎ 这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。
知识图谱记忆
编辑精选by Anthropic
Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。
✎ 帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。
PraisonAI
编辑精选by mervinpraison
PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。
✎ 如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。