pic-gen — AI 图片生成与提示词优化

产品对话交互策略

pic-gen 的核心理念：像和产品经理对话一样，一步一步引导用户完成图片生成，而不是堆参数。

对话状态机

IDLE
│
├─ 用户描述图片需求 ──────────────────────────→ ASK_MODEL
│
ASK_MODEL
│
├─ 用户说「通义」/「qwen」 ─→ 读取 config，默认用 qwen ─→ CONFIRM_PROMPT
├─ 用户说「banana」/「flux」 ─→ 用 banana ─→ CONFIRM_PROMPT
├─ 用户说「dalle」 ─→ 用 dalle ─→ CONFIRM_PROMPT
├─ 用户说「直接生成」 ─→ 用 config 默认模型 ─→ CONFIRM_PROMPT
│
CONFIRM_PROMPT
│
├─ 用户说「可以/好/生成」 ─→ OPTIMIZE → GENERATE
├─ 用户说「改一下 XXX」 ─→ 修改提示词 ─→ CONFIRM_PROMPT
│
GENERATE
│
├─ 图片生成成功 ─→ 返回图片 + 操作选项 ─→ IDLE
└─ 生成失败 ─→ 错误原因 + 重试选项 ─→ GENERATE

首次使用流程

用户：「画一只猫」
↓
Bot：「好的！想用什么模型生成？」
「1. 通义万相（默认）2. Banana (Flux) 3. DALL-E」
↓
用户：「1」
↓
Bot 检测到 config 里没有 API key，询问用户：
「请提供你的 DashScope API Key」

同时告知用户也可以手动配置：
「💡 也可以手动配置：编辑 pic-gen/config/models.yaml，填入 api_key 字段。
⚠️ 注意：不要把包含真实 Key 的配置文件分享给他人。」

↓
用户：「sk-xxxxxxxx」
↓
Bot 写入 config/models.yaml，并回复：
「✅ Key 已保存！正在生成…」
↓
Bot 优化提示词 → 生成图片 → 返回

密钥更新流程

用户可以说：

• - 「更新通义 key 为 sk-xxx」
• 「换成 banana」
• 「设置默认模型为 dalle」

Bot 自动修改 config/models.yaml，无需重启。

专家模式（一步直达）

用户也可以一句话搞定所有参数：

• - 「用 flux 生成赛博朋克城市，16:9，高细节」
• 「qwen, 梵高风格画向日葵」

提示词确认流程

Bot：「为你优化后的提示词如下：」
📝 通义万相版：「一片向日葵花田，梵高后印象派风格，浓烈的黄色和蓝色对比，笔触感，星空下的夜晚」
🎨 Midjourney 版：「a sunflower field, post-impressionist style Van Gogh, vivid yellow and blue contrast, brushstroke texture, starry night, --ar 16:9 --s 400」
⚡ Stable Diffusion 版：「masterpiece, best quality, sunflower field, Van Gogh style, post-impressionist, vivid colors, starry night background, oil painting」
[✅ 生成] [✏️ 修改提示词] [⚙️ 调整参数]

---

目录结构

pic-gen/
├── SKILL.md ← 本文件
├── config/
│ └── models.yaml ← 模型配置文件（用户 API Key 在此）
├── scripts/
│ ├── optimize.py ← 核心：提示词优化
│ ├── generate_qwen.py ← 通义万相生成器
│ ├── generate_banana.py ← Banana/Flux 生成器
│ └── generate_dalle.py ← DALL-E 生成器
└── references/
├── midjourney.md ← MJ 格式参考
├── stable-diffusion.md ← SD 格式参考
├── flux.md ← Flux 格式参考
└── dalle.md ← DALL-E 格式参考

---

提示词优化规则（optimize.py）

输入：用户简单描述（中文或英文）
输出：各平台优化后的提示词

优化维度

维度	说明	示例
主体	具体物种/颜色/动作/表情	「猫」→「橘猫，坐姿，眯眼打盹」
场景

地点/时间/天气/背景 | 「在户外」→「京都寺庙庭院，春日午后」 | | 风格 | 艺术家/流派/渲染方式 | 「好看」→「宫崎骏动画风格，柔和光影」 | | 光影 | 光源方向/软硬/色温 | 「亮」→「逆光，金色边缘光，暖色调」 | | 构图 | 视角/焦距/景深/比例 | 「拍猫」→「低角度平视，浅景深，85mm」 | | 氛围 | 情绪词/色调关键词 | 「开心」→「活泼，明亮，童趣」 | | 技术参数 | 平台专属参数 | --ar 16:9 / --s 400 / negative prompt |

平台输出格式

python

platforms: [qwen, midjourney, stable_diffusion, flux, dalle]

each platform returns optimized string

---

配置管理（config/models.yaml）

API Key 安全说明 ⚠️

API Key = 你的账号密码，禁止泄露或分享。

• - 不要把包含真实 Key 的配置文件发到 GitHub、Discord、群聊等任何公开或 semi-public 地方
• 提交到 GitHub 前，确保 config/models.yaml 中 api_key 字段为空或使用环境变量
• 建议使用环境变量方式引用 Key，而非直接写在 yaml 里：

yaml

方式一：直接填写（仅本地使用，不提交到 Git）

models:
qwen:
api_key: sk-xxxxxxxx

方式二：留空，通过环境变量注入（推荐）

models: qwen: api_key:

bash

运行前设置环境变量

export DASHSCOPEAPIKEY=sk-xxxxxxxx
export BANANAAPIKEY=your-banana-key
export OPENAIAPIKEY=sk-xxxxxxxx

配置文件位置

pic-gen/config/models.yaml

用户可通过以下任一方式配置：

方式	说明
对话提供	直接发送 Key 给 Bot，Bot 自动写入配置文件
手动编辑

编辑 config/models.yaml，填入 api_key |
| 环境变量 | 设置 DASHSCOPEAPIKEY / BANANAAPIKEY / OPENAIAPIKEY |

配置文件格式

yaml
default: qwen

models:
qwen:
enabled: true
api_key: # 填写你的 DashScope API Key
model: qwen-image-2.0-pro
default_size: 1024*1024
default_style: auto

banana:
enabled: false
api_key: # 填写你的 Banana API Key
model: flux-dev
default_size: 1024*1024

dalle:
enabled: false
api_key: # 填写你的 OpenAI API Key
model: dall-e-3
default_size: 1024*1024

配置操作命令

用户说	Bot 操作
「设置通义 key 为 xxx」	写入 models.qwen.api_key
「开启 banana」

写入 models.banana.enabled: true | | 「设置默认模型为 flux」 | 写入 default: banana | | 「查看当前配置」 | 读取并展示（非敏感字段） |

---

脚本说明

optimize.py

bash
python3 scripts/optimize.py --input 一只猫 --platform qwen

把简单描述转化为各平台最优提示词。

generate_qwen.py

bash
python3 scripts/generate_qwen.py \
--prompt 优化后的提示词 \
--size 1024*1024 \
--count 1 \
--download \
--output ./output

需要 DASHSCOPEAPIKEY 环境变量或 config 中的 api_key。

generate_banana.py

bash
python3 scripts/generate_banana.py \
--prompt optimized prompt \
--model flux-dev \
--download \
--output ./output

需要 BANANAAPIKEY 环境变量。

generate_dalle.py

bash
python3 scripts/generate_dalle.py \
--prom