# 提示词质量综合调研报告

## 结论

在只评估提示词质量、不生成图片的前提下，`gpt-image-2` Advisor 工作流仍然明显优于直接 prompt。

这次结论比 v1 更稳，因为样本权重已调整为：

```text
典型视频分镜(科普) 55%
典型培训AI PPT     35%
人物造型           10%
```

并且科普视频和培训 PPT 的 baseline 不是弱 prompt，而是直接采用或贴近 GPT 知识库两个典型案例中的已有生图 prompt。

综合加权结果：

| Prompt 类型 | 加权平均分 / 30 |
| --- | ---: |
| 直接 prompt | 21.6 |
| Advisor prompt | 27.9 |

核心判断：

> Advisor 的优势不主要在“更会写画面形容词”，而在“把视频 / PPT 生产所需的结构、约束、版面安全区、文字责任边界和失败风险写进 prompt”。

## 调研依据

本报告使用两个指定案例：

- `30_CASE_典型视频分镜案例.md`
- `31_CASE_典型培训AI_PPT案例.md`

关键案例规则包括：

- 科普视频图片不负责正文文字，页面文字由 PPT / 视频页面层渲染。
- 每个科普分镜只承载一个核心逻辑点，画面必须承担隐喻表达。
- 培训 PPT 页不是镜头，而是教学单元，需要支持讲师停留、解释、提问和迁移。
- 培训 PPT 的页面设计、讲师备注和生图 prompt 必须分开。

这些规则与 `gpt-image-2` Advisor 方法匹配：将图像请求拆成 `type / goal / layout / subject / scene / style / constraints`，并避免让图像模型生成最终可读正文。

## 评分 Rubric

每个 case 满分 30 分，6 个维度各 0-5 分。

| 维度 | 说明 |
| --- | --- |
| R1 媒介适配 | 是否知道这是科普视频、培训 PPT、还是人物参考，而不是泛图。 |
| R2 结构控制 | 是否明确布局、景别、前中后景、对比栏、节点链路或标题安全区。 |
| R3 文字责任边界 | 是否避免让图像模型生成正文、标签、分数、中文说明。 |
| R4 隐喻 / 教学逻辑 | 是否服务于单一核心逻辑点或教学目标。 |
| R5 失败预防 | 是否明确常见失败：过度装饰、假文字、图标不清、隐喻漂移。 |
| R6 复用与迭代 | 是否适合落入 video-workbench 的版本化 prompt / review 流程。 |

## 分组结果

### A. 科普视频分镜，权重 55%

| Case | Direct / 30 | Advisor / 30 | 主要差异 |
| --- | ---: | ---: | --- |
| V-S01 被浪拍下水的人 | 23 | 28 | Advisor 明确 opening hook、标题安全区、AI 元素只能用不可读符号。 |
| V-S03 游泳圈与太平洋 | 22 | 28 | Advisor 强化人物小、海洋占比、浅水/深水边界，避免旅游海报化。 |
| V-S05 逻辑沙堡 | 23 | 28 | Advisor 把“精美但脆弱”和“浪头迫近”拆成可检查构图约束。 |
| V-S07 防忽悠三板斧 | 22 | 27 | Advisor 明确三道 gate 的数量、图标角色和车辆-闸门-风险的运动方向。 |

组平均：

| Prompt 类型 | 平均分 / 30 |
| --- | ---: |
| Direct | 22.5 |
| Advisor | 27.8 |

科普视频里的直接 prompt 已经不错，特别是隐喻清楚、画面感强。但 Advisor 在三个地方更稳：

- 更适合后续叠加页面文字，因为会主动保留 title-safe area。
- 更少依赖“形容词堆叠”，更多使用可检查结构。
- 更适合 review，因为 acceptance criteria 可以直接从 constraints 中抽取。

### B. 培训 AI PPT，权重 35%

| Case | Direct / 30 | Advisor / 30 | 主要差异 |
| --- | ---: | ---: | --- |
| T-P8 提示词工程 vs 认知工程 | 21 | 28 | Advisor 把左右对比、转化桥、页面文字责任拆开，教学用途更清楚。 |
| T-P12 分数评价 vs 成长状态评价 | 21 | 28 | Advisor 明确静态评分与动态成长地图的视觉差异，避免泛数据看板。 |
| T-P18 AI教育变革逻辑链 | 20 | 29 | Advisor 强制五节点链路、节点角色和顺序，避免泛 AI 营销图。 |

组平均：

| Prompt 类型 | 平均分 / 30 |
| --- | ---: |
| Direct | 20.7 |
| Advisor | 28.3 |

培训 PPT 是 Advisor 提升最大的场景。原因很具体：

- 培训页经常有“页面结构 + 可编辑文字 + 视觉资产”三层，直接 prompt 容易混在一起。
- Advisor 会把 `layout`、`title_safe_area`、`no final readable text`、`post-use` 关系写清楚。
- 对模型页、对比页、逻辑链页，Advisor 的字段化结构更像可复用的页面资产规范。

### C. 人物造型，权重 10%

| Case | Direct / 30 | Advisor / 30 | 主要差异 |
| --- | ---: | ---: | --- |
| C-01 人物形象目录边界样本 | 20 | 27 | Advisor 明确这是 `makeup-still/` 的低权重边界样本，不扩张成通用流程。 |

人物造型不应再主导本次改造判断。它的价值只在于：当项目确实有人物或角色连续性时，Advisor 能帮助定义 `identity_ref`、目录边界和复用目的。

## 加权计算

| Group | Weight | Direct Avg | Advisor Avg | Direct Weighted | Advisor Weighted |
| --- | ---: | ---: | ---: | ---: | ---: |
| 科普视频分镜 | 55% | 22.5 | 27.8 | 12.4 | 15.3 |
| 培训 AI PPT | 35% | 20.7 | 28.3 | 7.2 | 9.9 |
| 人物造型 | 10% | 20.0 | 27.0 | 2.0 | 2.7 |
| **Total** | **100%** |  |  | **21.6** | **27.9** |

## 质量差异归因

### 1. Advisor 更能保住“图片不负责正文文字”

两个指定案例都强调：页面正文、标题、金句由 PPT / 视频页面层渲染，图片 prompt 只生成背景、视觉隐喻或图示资产。

直接 prompt 虽然常写 `no readable text`，但经常同时要求“score sheet / ranking chart / logic chain / prompt cards”等文本性对象，模型容易生成假字。

Advisor prompt 会进一步说明：

- 只生成 score-sheet silhouette，不生成具体分数。
- 只生成 abstract prompt cards，不生成可读 prompt。
- 只生成 node visuals，不生成节点文字。
- 保留 title-safe area 给后续页面层。

这对培训 PPT 和科普视频都很关键。

### 2. Advisor 更适合“教学单元”

培训 PPT 不是单纯好看，而是要让讲师能停下来讲。

直接 prompt 多数只给一张概念图。Advisor 会补足：

- `teaching_goal`
- `page_type`
- `left_column / right_column`
- `transition`
- `title_safe_area`
- `constraints`

这些字段让图像资产更像“页面组件”，不是独立插画。

### 3. Advisor 更适合“分镜资产”

科普视频分镜需要画面推进和隐喻表达。直接 prompt 的画面描述强，但不总是说明：

- 这个镜头在视频里的角色是什么；
- 需要给叠字留哪里；
- 哪些符号只能作为不可读元素；
- 怎么避免隐喻漂移；
- 后续 review 如何判断通过。

Advisor prompt 会把这些都显式化。

### 4. Advisor 的成本是更长、更工程化

Advisor prompt 不适合所有场景。对于很简单的单主体图，直接 prompt 足够。

但在 video-workbench 高频任务中，主要是科普视频和培训 PPT。这些任务不是“一张漂亮图”，而是“可叠字、可讲解、可复用、可 review 的生产资产”。在这个条件下，Advisor 的冗长是成本，也是控制力来源。

## 对改造前提的判断

原始前提是：

> Codex 具有 `GPT image 2 skill`，其 Advisor 模式下，如果再叠加 GPT 的知识库，出的图片提示词质量应该比 GPT 高。

本次调研的判断：

```text
在提示词质量层面：成立。
在最终图像质量层面：尚未验证。
```

更准确的表述应改为：

> GPT 负责输出导演卡、教学页设计、分镜意图和验收标准；Codex 使用 `gpt-image-2` Advisor 将这些内容转成结构化、可复用、可 review 的图片 prompt。对科普视频和培训 PPT，这类 prompt 的生产质量明显高于直接生成一段生图 prompt。

## 对目录和知识库的影响

### 1. `investigations/` 是合适的

这类内容是前提验证，不是项目资产，也不是稳定知识库。放在：

```text
investigations/<date>-<topic>/
```

比放在 `tmp/` 更可追踪，比直接放 `docs/` 更谨慎。

### 2. 稳定知识应进入 `docs/`

如果接受本报告结论，再把稳定规则整理进 `video-workbench/docs/`，例如：

```text
docs/image-prompt-advisor-workflow.md
docs/visual-asset-prompt-rubric.md
docs/page-text-vs-image-prompt-boundary.md
docs/makeup-still-directory-policy.md
```

其中前 3 个比 `makeup-still` 更重要，因为科普和培训才是主场景。

### 3. `makeup-still/` 应是条件目录

建议保留你的设想，但不要作为所有项目默认目录。

```text
projects/<project-id>/makeup-still/
```

只在人、角色、讲师形象、IP 形象需要跨镜头 / 跨页保持一致时出现。

## 后续验证建议

当前只关心提示词质量，因此本报告可以作为进入“分工与目录改造草案”的前置依据。

如果后面要验证最终图像质量，再做 Level 2：

1. 从本报告选 2 个科普视频 prompt、2 个培训 PPT prompt。
2. 同平台、同参数分别出图。
3. 用同一 acceptance criteria 评估成图。
4. 记录 Advisor 是否实际降低假文字、构图漂移和隐喻失焦。

本轮不需要做 Level 2。