9.0 KiB

Raw Blame History

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：

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：

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：

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：

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。

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：

从本报告选 2 个科普视频 prompt、2 个培训 PPT prompt。
同平台、同参数分别出图。
用同一 acceptance criteria 评估成图。
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。

9.0 KiB Raw Blame History Unescape Escape