Production-Director Phase 1 Hunt — knowhow_v1.md
调研目标:AI 生产指令官 / Prompt Engineer / AI 美术指导 / Spec 中转站 产出时间:2026-04-13 调研 Agent:Hunter
1. 角色定义与边界
1.1 核心定义
production-director 是"运营需求"与"AI 生产引擎"之间的 Spec 中转站。其职责是将模糊的业务需求(如"做一张春天氛围的 App 开屏图")转化为可被 Stable Diffusion、Midjourney、DALL·E、ComfyUI 等引擎精确执行的生成指令。
1.2 职责边界(画什么 vs 不画什么)
| 画什么(In-Scope) | 不画什么(Out-of-Scope) |
|---|---|
| 需求解析与结构化 | 不直接执行画图或手动修图 |
| Prompt 工程与参数映射 | 不做最终品牌法务审核 |
| 引擎选型与下发 | 不替代美术总监的创意决策 |
| 结果回收、质检与重试 | 不管理模型训练或 Fine-tuning |
2. 需求接收与解析模型
2.1 模糊需求 → 结构化要素
上游需求通常是"一句话描述"。production-director 必须将其解析为 可控的生成要素。推荐采用扩展版 DSRDPE 框架(Demand → Subject → Render → Detail → Parameter → Exclude):
| 要素 | 说明 | 示例 |
|---|---|---|
| Demand | 需求类型/场景 | 电商主图 / 社交海报 / 概念设计 |
| Subject | 主体对象 | 产品、人物、场景、情绪 |
| Render | 渲染风格 | 摄影、插画、3D、油画、像素 |
| Detail | 细节指令 | 构图、光照、色彩、材质、镜头 |
| Parameter | 技术参数 | 画幅、步数、CFG、种子、模型 |
| Exclude | 排除项 | 负面提示词、禁忌元素 |
2.2 需求澄清 Checklist
接收需求时必须确认:
- [ ] 最终用途是什么?(广告/应用内/印刷/数字展示)
- [ ] 必须出现的元素有哪些?
- [ ] 绝对不能出现的元素有哪些?(Logo、特定人物、裸露、文字)
- [ ] 风格有无参考图或参考艺术家?
- [ ] 尺寸比例与分辨率要求?
- [ ] 是否需要系列风格的批量一致性?
3. Spec/Prompt 工程方法论
3.1 Prompt 长度控制
不同引擎对 Prompt 的敏感度差异极大:
| 引擎 | 推荐长度 | 语法特点 |
|---|---|---|
| Midjourney | 短至中等( | 关键词权重高,自然语言理解强 |
| Stable Diffusion | 详细(50-200词) | 关键词驱动,顺序影响权重 |
| DALL·E 3 | 长自然语言(完整句子) | 擅于理解叙事和复杂场景描述 |
| ComfyUI | 不限制 | Prompt 只是节点图中的一个字符串输入 |
通用原则:先写核心主体,再写风格修饰,最后写技术参数。
3.2 风格标签体系
建立可复用的风格标签库能大幅提高批量生产效率:
- 摄影风格:cinematic shot, studio lighting, bokeh, macro, drone view
- 艺术媒介:oil painting, watercolor, digital art, pixel art, vector illustration
- 视觉情绪:minimalist, chaotic, serene, dramatic, dystopian
- 时代/流派:Art Nouveau, Bauhaus, Cyberpunk, Retro-futurism
3.3 负面提示(Negative Prompt)工程
负面提示是生产质量的"安全带"。学术界已提出 NPC(Negative Prompt Candidate) 自动化生成-评估-精炼流水线:
分层负面提示模板:
- 质量基线:
blurry, pixelated, low resolution, grainy, distorted, noise, compression artifacts, watermark, text, signature - 解剖锁:
extra limbs, missing fingers, deformed hands, distorted face, asymmetric eyes - 风格锁(按需):
cartoon, anime, illustration, painting, sketch(当需要写实风格时) - 环境锁:
cluttered, busy background, distracting elements
工程建议:为不同项目维护标准化的 negative-prompt preset,在 ComfyUI 中可通过 CLIPTextEncode 节点或 YAML 配置直接注入。
3.4 参数映射规范
production-director 需要将业务语言映射为引擎参数,建议建立统一的内部参数表:
| 业务语义 | SD/ComfyUI 参数 | Midjourney 参数 | DALL·E 参数 |
|---|---|---|---|
| 画幅比例 | width/height | --ar | size |
| 创意自由度 | cfg_scale | --stylize / --chaos | 提示词语义 |
| 生成步数 | steps | --quality / 隐式 | 隐式 |
| 固定种子 | seed | --seed | seed |
| 采样算法 | sampler_name (euler_a, dpmpp_2m) | 隐式 | 隐式 |
4. 主流 AI 绘画引擎的接口规范与差异
4.1 Stable Diffusion / SDXL
- 接口形式:大部分时间通过 WebUI (AUTOMATIC1111) 或 API 调用
- Prompt 特点:对关键词顺序和权重敏感,支持括号权重
(word:1.2)和 LoRA/Embedding 调用<lora:name:1> - 最佳实践:SDXL 对自然语言理解优于 1.5,但仍建议将核心主体放在前面
4.2 Midjourney
- 接口形式:Discord Bot 或 API (Midjourney API/第三方代理)
- Prompt 特点:V6/V7 对自然语言理解大幅提升,支持高级参数
--ar,--stylize,--chaos,--cref,--sref - 最佳实践:V6 应避免过度堆砌关键词,使用完整句子效果更佳
4.3 DALL·E 3 (OpenAI)
- 接口形式:OpenAI API (
images/generations) - Prompt 特点:目前最强的"自然语言理解",擅长长描述和叙事性场景
- 最佳实践:提供具体细节和场景上下文,避免简单罗列关键词。官方 Cookbook 建议将 Prompt 写成一个完整的场景描述段落
4.4 ComfyUI
- 接口形式:本地/云端节点式工作流,API 提交
workflow_api.json - 核心规范:
- UI 格式 (
workflow.json) 包含前端画布信息,不可直接用于 API - API 格式 (
workflow_api.json) 才是生产调用格式:一个以节点 ID 为键的扁平字典,每个节点包含class_type和inputs - Prompt 通过
CLIPTextEncode节点注入,通常分为 positive 和 negative 两个节点 - 节点间引用语法:
["source_node_id", output_index]
- UI 格式 (
- 最佳实践:
- 在
CLIPTextEncode的text字段中使用占位符(如{{PROMPT}}),运行时替换 - 保存通用工作流模板(15-20 节点的精简模板),配合不同需求注入不同 Prompt
- 在
ComfyUI API JSON 结构示例:
{
"4": {
"class_type": "CLIPTextEncode",
"inputs": {
"text": "{{PROMPT_POSITIVE}}",
"clip": ["1", 1]
}
},
"5": {
"class_type": "CLIPTextEncode",
"inputs": {
"text": "blurry, low quality, watermark, text",
"clip": ["1", 1]
}
},
"3": {
"class_type": "KSampler",
"inputs": {
"seed": 12345,
"steps": 20,
"cfg": 8.0,
"sampler_name": "euler",
"scheduler": "normal",
"model": ["1", 0],
"positive": ["4", 0],
"negative": ["5", 0],
"latent_image": ["2", 0]
}
}
}
5. 下发与反馈闭环
5.1 任务状态追踪
production-director 应该维护一个轻量级任务看板:
| 状态 | 含义 |
|---|---|
pending |
Spec 已生成,等待下发 |
dispatched |
已提交给 AI 引擎 |
generating |
引擎正在执行(排队/生成中) |
qc_review |
结果已回收,等待质检 |
approved / rejected |
质检通过 / 不通过 |
retrying |
根据反馈重新生成 |
5.2 失败处理与重试策略
- 引擎超时/排队:自动切换备用引擎(如 Midjourney 拥堵时切到 DALL·E 3)
- 生成内容不符合预期:分析失败模式,调整 Prompt 或参数后重试
- 解剖/风格错误:更新 Negative Prompt 或增加 ControlNet 约束
- 技术故障(ComfyUI 节点缺失):通过
object_info.json预检节点可用性,执行 bypass 策略
5.3 回传格式
回收的结果应包含:
- 生成的图片 URL/Base64
- 使用的完整 Prompt 与参数
- 种子号(用于复现)
- 质检评分与备注
source_engine与generation_time
6. 质量控制 Checklist
基于 AI 美术指导的 7 层 Director's Checklist 进行工程化落地:
| # | 检查层 | 检查项 |
|---|---|---|
| 1 | Identity(主体一致性) | 形状、配色、材质、比例是否与需求一致 |
| 2 | Context(场景上下文) | 尺度、环境、背景是否合理 |
| 3 | Composition(构图) | 景别、取景、主体位置是否合规 |
| 4 | Light(光照) | 光源方向、质感、氛围是否统一 |
| 5 | Lens & Camera(镜头语言) | 焦段、景深、运动模糊是否合适 |
| 6 | Constraints(约束项) | 是否出现 extra limbs、文字、Logo、违禁内容 |
| 7 | Workflow(流程一致性) | 同一批次种子是否锁定、参数是否统一、命名是否规范 |
自动化质检补充:
- 使用 CLIP/LLM 进行"图文对齐度"打分
- 使用 NSFW/文字检测模型进行安全过滤
- 对 ComfyUI 工作流执行 6 步验证:GUI→API 转换 → 节点检测 → 依赖分析 → Bypass 策略 → 端点测试 → 输出清洁模板
7. 常见反面案例与风险规避
7.1 反面案例集
| 案例 | 问题描述 | 后果 | 规避方法 |
|---|---|---|---|
| 关键词堆砌 | 将 50 个无关修饰词塞进 Prompt | 模型注意力分散,主体畸形 | 控制 Prompt 长度,使用 DSRDPE 分层 |
| 忽略 Negative Prompt | 未设置解剖锁或水印锁 | 生成图中出现多余手指、水印 | 建立标准 Negative Prompt Preset |
| 引擎混用 | 将 Midjourney 的 --ar 语法写入 SD |
API 报错或参数被忽略 | 建立引擎专属的参数映射表 |
| 占位符泄露 | {{PROMPT}} 未替换就提交 |
生成图里出现文字 {{PROMPT}} |
提交前执行字符串替换验证 |
| 节点缺失 | ComfyUI 工作流使用了未安装的自定义节点 | 流水线崩溃 | 通过 object_info.json 做预检 |
| 分辨率不匹配 | 生成 512×512 的图片用于户外大屏 | 打印模糊 | 需求接收阶段确认最终输出尺寸 |
7.2 合规与伦理风险
- 肖像权:避免使用真实人物姓名生成形象(除非获得授权)
- 版权:注意艺术家风格标签的版权争议
- 内容安全:建立 NSFW、暴力、歧视内容的自动过滤机制
- 平台政策:不同引擎对生成内容的商用权限不同,需明确标注
8. 参考素材清单(≥10 条)
| # | 标题/来源 | 类型 | 链接 |
|---|---|---|---|
| 1 | Adversarial Attacks and Defenses on Text-to-Image Diffusion Models: A Survey | 学术论文 | arxiv.org |
| 2 | Prompt Engineering Best Practices: Tips, Tricks, and Tools | 实践指南 | DigitalOcean |
| 3 | How to Become the Best Prompt Engineer in 2024 | 职业指南 | Vellum |
| 4 | Your AI Production Pipeline: From Prompt to Pixels in 2025 | 行业博客 | ReelMind.ai |
| 5 | Automated Negative Prompting for Text-Image Alignment | 学术论文 | arXiv |
| 6 | ComfyUI Workflow Verification — 6-step validation pipeline | 工具/实践 | GitHub |
| 7 | COMFYGEN: Prompt-Adaptive Workflows for Text-to-Image Generation | 学术论文 | arXiv |
| 8 | ComfyGPT: A Self-Optimizing Multi-Agent System for ComfyUI Workflow Generation | 学术研究 | arXiv |
| 9 | ComfyUI-R1: Exploring Reasoning Models for Workflow Generation | 学术研究 | arXiv |
| 10 | DALL-E 3 / GPT-image-1.5 Prompting Guide | 官方文档 | OpenAI |
| 11 | Prompt Structure for AI Image Generation | 教育博客 | Christy Tucker |
| 12 | Enhanced Negative Prompts for AI Image Generation | 开源工具 | GitHub |
| 13 | Negative Prompts: What They Are & How To Use Them | 实践教程 | LTX Studio |
本文件由 Hunter 在 Phase 1 Hunt 阶段产出,供 Innovator / Digester / Evolver 后续流程使用。