# 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 | |---|---|---| | **D**emand | 需求类型/场景 | 电商主图 / 社交海报 / 概念设计 | | **S**ubject | 主体对象 | 产品、人物、场景、情绪 | | **R**ender | 渲染风格 | 摄影、插画、3D、油画、像素 | | **D**etail | 细节指令 | 构图、光照、色彩、材质、镜头 | | **P**arameter | 技术参数 | 画幅、步数、CFG、种子、模型 | | **E**xclude | 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(<100词) | 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**: 1. **质量基线**:`blurry, pixelated, low resolution, grainy, distorted, noise, compression artifacts, watermark, text, signature` 2. **解剖锁**:`extra limbs, missing fingers, deformed hands, distorted face, asymmetric eyes` 3. **风格锁**(按需):`cartoon, anime, illustration, painting, sketch`(当需要写实风格时) 4. **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 `` - **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]` - **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 **ComfyUI API JSON 结构示例**: ```json { "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](https://arxiv.org/pdf/2407.15861v2) | | 2 | Prompt Engineering Best Practices: Tips, Tricks, and Tools | 实践指南 | [DigitalOcean](https://www.digitalocean.com/resources/articles/prompt-engineering-best-practices) | | 3 | How to Become the Best Prompt Engineer in 2024 | 职业指南 | [Vellum](https://www.vellum.ai/blog/how-to-become-the-best-prompt-engineer-in-2024) | | 4 | Your AI Production Pipeline: From Prompt to Pixels in 2025 | 行业博客 | [ReelMind.ai](https://reelmind.ai/blog/your-ai-production-pipeline-from-prompt-to-pixels-in-2025) | | 5 | Automated Negative Prompting for Text-Image Alignment | 学术论文 | [arXiv](https://arxiv.org/html/2512.07702v2) | | 6 | ComfyUI Workflow Verification — 6-step validation pipeline | 工具/实践 | [GitHub](https://github.com/affaan-m/everything-claude-code/issues/944) | | 7 | COMFYGEN: Prompt-Adaptive Workflows for Text-to-Image Generation | 学术论文 | [arXiv](https://arxiv.org/pdf/2410.01731) | | 8 | ComfyGPT: A Self-Optimizing Multi-Agent System for ComfyUI Workflow Generation | 学术研究 | [arXiv](https://arxiv.org/pdf/2503.17671) | | 9 | ComfyUI-R1: Exploring Reasoning Models for Workflow Generation | 学术研究 | [arXiv](https://arxiv.org/html/2506.09790v1) | | 10 | DALL-E 3 / GPT-image-1.5 Prompting Guide | 官方文档 | [OpenAI](https://developers.openai.com/cookbook/examples/multimodal/image-gen-1.5-prompting_guide) | | 11 | Prompt Structure for AI Image Generation | 教育博客 | [Christy Tucker](https://christytuckerlearning.com/prompt-structure-for-ai-image-generation/) | | 12 | Enhanced Negative Prompts for AI Image Generation | 开源工具 | [GitHub](https://github.com/iboss21/enhanced-negative-prompts) | | 13 | Negative Prompts: What They Are & How To Use Them | 实践教程 | [LTX Studio](https://ltx.studio/blog/negative-prompts) | --- *本文件由 Hunter 在 Phase 1 Hunt 阶段产出,供 Innovator / Digester / Evolver 后续流程使用。*