huangserva/skill-prompt-generator · 上手攻略

• 仓库：huangserva/skill-prompt-generator
• 链接：https://github.com/huangserva/skill-prompt-generator
• 分类：skill / LLM 提示词工程 + Agent Skills 框架
• 作者：spark
• 更新：2026-08-12

1. 是什么

skill-prompt-generator 是一个双平台 AI 提示词生成系统：

• 数据层：Universal Elements Library（SQLite 数据库，1246 个元素）+ 社区语料库（675 条 source prompts，覆盖 260+ 创作者）+ 设计变量库（37 种配色 + 边框 + 装饰元素）。
• Skills 层：12 个专业领域 Skills（人像 / 艺术 / 设计 / 产品 / 视频 / 通用学习 / 分析 / 提取 / 生成 / 主控 / X-Ray / 领域分类），同时发布到 Claude Code Skills（.claude/skills/）和 OpenAI Codex CLI（.codex/skills/，由 @Felictycf 贡献）。
• 引擎层：v2.0 新增 core/cross_domain_generator.py 统一入口，跨 domain 查询 + 设计系统集成 + 变量采样；v1.0 intelligent_generator.py 100% 向后兼容。

三种生成模式： - Portrait（人像）：仅 portrait domain（502 个元素）； - Cross-Domain（跨域）：自动组合 4 个 domains（portrait + video + art + common，共 995 个元素）； - Design（设计）：SQLite 元素 + YAML 配色变量，20 万+ 组合。

⚠️ README 中提到的 .claude/CLAUDE.md 入口文档实际 fetch 返回 404（仓库根 README 列出的 /blob/main/.claude/CLAUDE.md 路径不可访问，⚠️ 未核验），用户需要直接通过 Skill 名称调用。

2. 解决什么问题

通用 LLM 在生成图像 / 视频提示词时的几个老毛病：

1. 重复：同一组元素被反复采样；
2. 遗漏：用户描述的跨域场景（人物 + 动作 + 特效）只能挑一个 domain 来填；
3. 设计感薄弱：海报 / 卡片类输出配色单调、缺乏设计系统；
4. 复用性差：每次生成都是一次性 prompt，没有结构化沉淀。

skill-prompt-generator 的回答是：框架驱动 + 元素库 + 自动学习 + 跨域组合。v2.0 把 SQLite 元素利用率从 40.3% 拉到 79.9%，组合数从 ~1,000 提升到 ~10 万+（README 自报，⚠️ 数字未独立核验）。

3. 快速安装

# 1. 克隆仓库
git clone https://github.com/huangserva/skill-prompt-generator.git
cd skill-prompt-generator

# 2. 安装 Python 依赖（README 推荐 Python 3.8+）
pip install -r requirements.txt

# 3.（可选，v2.0）扩展 SQLite Schema，添加变量表
sqlite3 extracted_results/elements.db < core/schema_migration_v1.sql

# 4.（可选）确认 PyYAML 已安装
python3 -c "import yaml; print('✅ PyYAML installed')"

在 Claude Code 中使用：把仓库放到 Claude Code 工作目录下，.claude/skills/ 会被自动识别（README 原文）。在 Codex CLI 中同理识别 .codex/skills/。

4. 核心用法

4.1 Claude Code 中直接调用 Skill（推荐）

# 人像模式
生成电影级的亚洲女性，张艺谋电影风格

# 跨域模式
生成龙珠悟空打出龟派气功的提示词

# 设计模式
生成温馨可爱风格的儿童教育海报

Claude Code 会自动识别 domain（portrait / cross_domain / design）并路由到对应专家 Skill。

4.2 Python v2.0 统一接口

from core.cross_domain_generator import CrossDomainGenerator

generator = CrossDomainGenerator()

# 自动识别类型（portrait / cross_domain / design）
result = generator.generate("龙珠悟空打出龟派气功")

print(result['type'])     # 'cross_domain'
print(result['prompt'])   # 完整提示词
print(result['domains'])  # ['portrait', 'video', 'art', 'common']

generator.close()

4.3 Python v1.0 兼容接口

from intelligent_generator import IntelligentGenerator

gen = IntelligentGenerator()

prompt = gen.generate_from_intent({
    'subject': {'gender': 'female', 'ethnicity': 'East_Asian', 'age_range': 'young_adult'},
    'styling': {'makeup': 'k_beauty'},
    'lighting': {'lighting_type': 'natural'},
})

print(prompt)
gen.close()

4.4 直接往数据库里写元素

from element_db import ElementDatabase

db = ElementDatabase()
db.add_element({
    'element_id': 'portrait_expressions_010',
    'domain_id': 'portrait',
    'category_id': 'expressions',
    'name': 'serene_smile',
    'chinese_name': '宁静微笑',
    'ai_prompt_template': 'serene gentle smile...',
    'keywords': '["serene", "gentle", "peaceful"]',
    'reusability_score': 8.5,
})

4.5 运行测试

python3 core/variable_sampler.py
python3 core/cross_domain_query.py
python3 core/yaml_sampler.py
python3 core/design_bridge.py
python3 core/cross_domain_generator.py

5. 典型适用场景

• AI 绘画 / 视频提示词批量生产：自媒体、设计工作室批量出 Midjourney / Stable Diffusion / Sora 提示词；
• 设计系统沉淀：把团队已验证的配色 + 边框 + 装饰方案以 YAML 形式沉淀，供后续所有设计 Skill 共享；
• 跨域创意场景：动漫 IP 改编（人物 + 动作 + 特效混合）、商业广告片提示词（产品 + 场景 + 灯光组合）；
• Claude Code / Codex CLI 跨平台 Skill 开发样板：仓库同时维护 .claude/ 和 .codex/ 两套 Skills 路由，可作为 Skills 跨 Agent 平台移植参考；
• 持续学习的提示词库：通过 universal-learner Skill 把新生成的 prompt 自动抽取元素入库，形成正反馈循环。

6. 坑与注意

1. .claude/CLAUDE.md 入口文档 404。README 中标注的 blob/main/.claude/CLAUDE.md 路径实际不可访问（⚠️ 2026-08-12 fetch 验证），用户首次接入可能会困惑——建议直接在 Claude Code 里调用 Skill 名称而不是读 CLAUDE.md。
2. 数据库体积：v2.0 引入 SQLite 变量表 + 跨域组合后，单条 generate 调用可能扫描大量记录；如果 1246 元素 × 多 domain 组合导致延迟，可考虑在 core/cross_domain_query.py 加缓存（README 未提，⚠️ 自查建议）。
3. Codex 适配由社区贡献：.codex/skills/ 由 @Felictycf 提供，稳定性 / 兼容性靠社区维护；遇到 Codex CLI 调用异常应先看 .codex/codex.md。
4. README 的性能数字（40.3% → 79.9% / 100× 组合）来自项目自报（⚠️ 未独立基准测试），引用前请自己跑 core/cross_domain_generator.py 复测。
5. 设计变量 YAML 来源：README 明示 variables/ 是从 prompt-crafter 项目复制；许可证兼容性需自行检查（仓库本身是 MIT）。
6. 学习闭环需要外部人工 review：universal-learner 自动把新 prompt 抽元素入库，但 reusability_score 默认 8.5 是项目示例值，生产环境应接入实际评分流水线。
7. 依赖未完整列：requirements.txt 在 v2.0 README 没有完整 dump，主要依赖是 pyyaml + sqlite3（内置）+ pytest（测试用，⚠️ 未核验），克隆后建议先 pip install pyyaml。

7. 与同类对比

skill-prompt-generator 的差异化在"框架驱动 + 元素库 + 跨域组合 + 双平台 Skill"——这是一个偏工程的"提示词操作系统"，而不是单纯的 prompt list。

8. 一句话推荐结论

做 AI 绘画 / 设计提示词的团队值得 fork：结构化的元素库 + 双平台 Skill + 跨域组合，比静态 prompt list 工程化得多；但入口文档 404 + 性能数字自报是上手前要先验证的两件事。

原始链接：

• 仓库：https://github.com/huangserva/skill-prompt-generator
• v2.0 快速开始：https://github.com/huangserva/skill-prompt-generator/blob/main/README_v2.0.md
• v2.0 升级指南：https://github.com/huangserva/skill-prompt-generator/blob/main/UPGRADE_GUIDE_v2.0.md
• 框架配置：https://github.com/huangserva/skill-prompt-generator/blob/main/prompt_framework.yaml
• Codex 入口：https://github.com/huangserva/skill-prompt-generator/blob/main/.codex/codex.md
• LICENSE：MIT

⚠️ commit SHA 标注：仓库 main 分支当前 commit SHA 未在公开页面直接暴露，请以你 fork 时的实际 commit 为准。.claude/CLAUDE.md 链接在 fetch 时返回 404，已在文中显式说明。