基于 SOCAWT 六维视觉分析框架，支持两种工作模式：直接创作提示词、分析图片提取提示词。提示词使用自然语言句子（非关键词堆砌），适用于即梦、GPT-Image-2、Nano Banana 等新一代模型。
| 模式 | 触发条件 | 所需能力 | 核心流程 |
|---|---|---|---|
| --- | --- | --- | --- |
| 模式一：直接创作 | 用户用文字描述需求，无图片输入 | 文本理解 + 框架思维 | 需求理解 → SOCAWT 组织 → 模板生成 |
| 模式二：分析图片 | 用户提供了图片，要求分析或提取提示词 | 多模态大语言模型（必须能看图） | 获取图片 → 类型判断 → 自适应分析 → 生成提示词 |
> 重要：模式二必须使用支持图像输入的多模态模型。若当前模型不支持图像输入，请明确告知用户无法执行图片分析，可转入模式一（根据用户描述创作提示词）。
根据用户输入自动判断：
当用户用文字描述需求时，用 SOCAWT 思维框架帮助用户组织需求，直接生成自然语言提示词。
提取用户描述中的关键信息。用以下清单系统性引导用户表达需求。
> 设计说明：9 要素 = 3 项需求上下文（用途/限制/输出质量）+ SOCAWT 六维视觉维度。对外使用 9 要素提问（用户友好），对内使用 SOCAWT 组织（专业分析），本质是一套语言的两面。映射关系见表格最后一列。
| 序号 | 要素 | 关键问题 | 示例 | SOCAWT 映射 |
|---|---|---|---|---|
| --- | --- | --- | --- | --- |
| 1 | 用途 | 这张图用来做什么？ | "用于电商主图"、"小说封面"、"朋友圈海报" | 需求上下文 |
| 2 | 主题 | 画面围绕什么主题？ | "环保公益"、"科技创新"、"浪漫婚礼" | C — Core |
| 3 | 主体 | 画面核心元素是什么？ | "一位穿旗袍的女性"、"一台银色笔记本电脑" | O — Object |
| 4 | 风格 | 用什么视觉风格？ | "电影感摄影"、"扁平插画"、"3D 渲染" | A — Artistry |
| 5 | 构图 | 横版还是竖版？主体在哪？ | "竖版 9:16，主体居中偏左" | S — Space |
| 6 | 文字 | 需要文字吗？写什么？ | "主标题写'限时特惠'，副标题..." | T — Type |
| 7 | 色彩 | 主色调？情绪色彩？ | "暖橙色调，传递活力感" | W — Wash |
| 8 | 限制 | 不要什么？必须保留什么？ | "不要人物，不要杂乱背景" | 需求上下文 |
| 9 | 输出质量 | 分辨率？用途？ | "4K，适合印刷"、"1080px 正方形，适合小红书" | 需求上下文 |
不同类型图片的关注重点：
| 图片类型 | 分析重点 | 容易翻车的地方 |
|---|---|---|
| --- | --- | --- |
| 人物写真 | 面部特征、表情、光线方向、背景虚化程度 | 不写清人物年龄/性别/服装，AI 随机生成 |
| 产品图 | 材质细节、光影方向、背景干净度、摆放角度 | 不写清"不能改"的结构/标签/颜色，AI 乱改 |
| 海报设计 | 文字层级、信息架构、视觉隐喻、留白比例 | 文字不加引号，导致错别字或遗漏 |
| 插画 | 画风一致性、角色特征、叙事性、色彩情绪 | 只说"可爱风格"不写具体内容，结果千人一面 |
| 信息图 | 信息层级、模块数量、数据可视化方式 | 一次塞太多内容，导致信息溢出、可读性差 |
| UI 界面 | 平台特征、组件规范、交互状态、文字可读性 | 不给平台信息，AI 混用 iOS/Android/Web 风格 |
| 艺术抽象 | 情绪表达、色彩关系、构图张力、笔触质感 | 只说"抽象"不写情绪/概念，结果空洞无意义 |
> 若用户描述已包含足够信息，直接跳到 Step 3。若信息不足，用 1-2 个问题补充关键缺失维度（优先：用途、主体、风格、构图比例）。
将 Step 1 收集到的信息，按 SOCAWT 六维重新组织。映射关系：主题→C、主体→O、风格→A、构图→S、文字→T、色彩→W，用途/限制/输出质量作为 brief 的上下文信息。
> 为什么用两套词？ 9 要素是"面向用户的提问语言"（用户不懂 SOCAWT 也能答），SOCAWT 是"面向视觉的分析语言"（专业结构化）。你从用户那收集到的信息，翻译到 SOCAWT 框架里就行了。
引导用户（或自我补充）完善以下维度：
| 维度 | 需明确的问题 |
|---|---|
| --- | --- |
| S — Space（空间） | 横版还是竖版？主体位置？构图偏好？镜头感？ |
| O — Object（主体） | 主体是什么？外观特征？动作/状态？ |
| C — Core（核心） | 画面想表达什么概念/情绪？有什么视觉隐喻？ |
| A — Artistry（艺术表现） | 对比手法？质感？艺术流派参考？ |
| W — Wash（色彩） | 主色调？冷暖？情绪色彩？ |
| T — Type（文字/层级） | 需要文字吗？什么文字？排版要求？ |
> 若用户描述已包含足够信息，直接跳到 Step 3。若信息不足，用 1-2 个问题补充关键缺失维度（优先 S、O、W）。
根据图片类型选择对应模板：
模板详见 references/prompt-craft.md（提示词工程手册）。
当用户提供了图片时，使用多模态能力分析图片，输出 SOCAWT 结构化分析 + 可复现的文生图提示词。
分析图片属于哪一类，决定后续分析侧重和提示词模板：
| 类型 | 特征 | 提示词模板 |
|---|---|---|
| --- | --- | --- |
| A 影像类 | 摄影、电影感图像、写实渲染，关注"瞬间"与"光影" | 模板 A（导演口述式） |
| B 设计类 | 海报、信息图、书籍插画、UI，关注"信息架构"与"视觉隐喻" | 模板 B（设计简报式） |
| C 艺术抽象类 | 抽象画、实验视觉、纯艺术，关注"色彩/构图/情绪表达" | 模板 C（艺术表达式） |
判断依据：
读取 references/soca-wt.md，掌握六维分析框架的完整定义。
> Fallback 机制：若无法读取 references/soca-wt.md，直接使用 Step 2.3 的核心检查点继续执行，不要中断流程。
根据图片复杂度选择分析维度，控制输出长度（避免 token 超限）：
| 图片复杂度 | 判断标准 | 分析维度 | 每维度控制 |
|---|---|---|---|
| --- | --- | --- | --- |
| 简单 | 单一主体、背景简洁、无文字、常见场景 | S + O + W | 每维 2-3 个观察点 |
| 中等 | 多主体互动、有明确叙事、有设计意图 | S + O + C + W | 每维 3-5 个观察点 |
| 复杂 | 信息密度高、多层级构图、有文字/隐喻/艺术手法 | S + O + C + A + W + T | 每维 4-6 个观察点 |
复杂度判断规则：
输出长度控制：
对每个选中的维度进行结构化观察。以下是各维度的核心检查点（完整定义见 references/soca-wt.md）：
读取 references/prompt-craft.md，获取详细的提示词模板、写作技巧和模型适配建议。
根据图片类型选择对应模板。全部用自然语言句子写作，不用关键词堆砌。
> 重要原则：即梦、GPT-Image-2、Nano Banana 均支持自然语言提示词。写作方式应像"向一位画家/摄影师口述你的需求"。
请生成一张[横版 16:9 / 竖版 9:16]的照片。
画面中，[主体]正在[做什么]，位于[位置]，
周围环境是[描述环境与氛围]，
光线条件是[描述光源与光影氛围]，
整体色彩偏向[描述色调与色彩感觉]。
参考[电影名称 / 摄影师 / 艺术风格]的感觉。
请生成一张[横版/竖版，具体尺寸]的[海报/信息图/插画]。
这张图的类型是：[说明这是什么图、用来做什么]
画面布局与网格系统：
- 网格结构：[单列 / 双栏 / 三栏 / 不对称网格]
- 主标题写"[原文内容]"，字号约为画面高度的[1/6~1/8]，
字体用[字体风格]，颜色[颜色]，位置在[具体位置]
- 副标题字号为主标题的[50%~60%]，行高[1.2~1.5倍]
- [其他文字层级同样标注字号比例和位置]
核心视觉元素：[描述核心图形/插画内容，包括拟人化手法和隐喻]
风格参考：[艺术流派 / 设计师 / 视觉风格]
材质/质感参考：[纸张/印刷/屏幕显示的质感描述]
请生成一张[尺寸]的[油画/水彩/丙烯/数字艺术/抽象画]。
我想表达的感觉是：[用自然语言描述情绪/理念，可以用比喻]
色彩上：[描述色彩关系与情绪]
构图和笔触：[描述构图结构与技法]
参考[艺术家/流派]的感觉，但加入[你的个人要求]。
| 模型 | 提示词建议 | 特别注意事项 |
|---|---|---|
| --- | --- | --- |
| 即梦（Jimeng） | 中文自然语言，描述尽量具体 | 支持对话式修改；对中文文字渲染支持较好 |
| GPT-Image-2 | 中文或英文自然语言均可 | 擅长带字图片；文字内容务必用""标出原文 |
| Nano Banana | 自然语言，支持对话修改 | 支持局部编辑指令 |
| Midjourney 6/7 | 自然语言有效，可混合短语 | 支持更自由的描述方式 |
| Stable Diffusion XL | 自然语言有效 | 可用 ComfyUI 节点精确控制 |
输出后主动询问用户：
高级感、电影感、氛围感 → AI 不知道画什么，随机生成高级感产品图为高端护肤品牌拍摄的产品图，主体是一瓶磨砂玻璃瓶装的精华液，放在白色大理石台面上，侧光打出玻璃质感，背景柔和虚化。不要人物，不要有文字。竖版 3:4，适合电商详情页。不要乱改产品图 → AI 不知道"产品图"具体指什么，可能改掉产品颜色、形状、标签不要改我的产品图主体是一瓶蓝色玻璃瓶的香水，保持当前瓶身形状、蓝色渐变、金色瓶盖不变。只改背景为春日花园场景，不要改产品本身。主标题写新年大促 → AI 可能写成"新春促销"、"新年特惠"或乱码"" 标出主标题写新年大促主标题写"新年大促"四个字，用粗黑体，红色，位于画面正上方帮我做一个品牌整套视觉，包括 logo、海报、详情页、社交媒体封面、名片 → 结果每个都只做一半，质量极差帮我画一张图 → AI 默认生成正方形，不适合你的发布场景竖版 3:4竖版 9:16横版 2.35:1正方形 1:1横版 16:9竖版 9:19高级感、极简风、有设计感 → AI 不知道你的"高级感"和别人的"高级感"有什么区别，随机输出一张"看起来还行但完全不是你想要的"图高级感产品图，极简风格为北欧家具品牌创作产品图。参考 Aesop 品牌的视觉调性——克制、自然、有呼吸感。主体是一把胡桃木椅子，放在浅米色亚麻布背景上。光线柔和，没有硬边阴影。色彩以大地色系为主，点缀少量黑色金属细节。输出正方形 1:1，适合 Instagram。电影感，要说参考《银翼杀手2049》的冷峻色调和广角构图可爱插画，要说参考《Klaus》动画的角色造型比例和用色复古海报，要说参考穆夏（Mucha）的装饰性曲线和柔色调花卉元素> 原理：没有参考系的风格词就像没有刻度的温度计——你知道要"热一点"，但不知道具体几度。给 AI 一个具体的参照物（电影/品牌/艺术家），它才能精准复现你想要的美学气质。
--ar、(weight:1.2) 等语法共 2 个版本