企业官网建设流程全解析

• AI 应用
• 人工智能
• 媒体生成
• 音视频
• AI Agent
• 后端
• 前端

本文围绕火宝短剧（Huobao Drama）开源仓库中 prompt-generator Agent 的道具提示词技能规范（prop-prompt/SKILL.md）展开，剖析「白底单品 · 标准产品摄影」提示词的结构模板、硬性约束与生成规则，并结合 image-prompt-tools.ts、final-prompt.ts 等源码，说明该规范如何通过技能注册、工具调用与视觉风格自动注入机制落地为可复现的生成管线。读完本文，你将掌握道具类图片提示词的撰写标准，并理解其在「剧本 → 资产 → 分镜 → 视频」全自动流水线中的真实调用方式。

一、道具提示词在短剧生成流水线中的定位

在火宝短剧的 AI 编排架构中，素材资产（角色、场景、道具）的图片提示词由prompt_generatorAgent 统一创作。系统提示词（backend/src/agents/index.ts）明确了该 Agent 的双重职责：

• 图片最终提示词：为角色（三视图）、场景（固定视角 + 前中后景）、道具（白底单品静物）分别创作可供生图直接使用的提示词；
• 视频提示词：为分镜段落产出 3 秒一段的 video_prompt。

其中道具资产的定位与角色、场景截然不同：道具是短剧中的关键叙事物件（凶器、信物、关键文件、定情礼物、证据等，提取规则见 agents/index.ts 中 extractor 的判定三问），它需要在分镜中反复出现、被特写或被使用，因此外观必须可复现、可挂接。这正是 SKILL.md 将道具图定义为「白底单品 product shot」的原因——脱离剧情环境的孤立呈现，才能保证后续视频生成中 @道具名 挂接的参考图干净、准确、无歧义。

二、规范核心：三条硬性要求

SKILL.md 在开头即给出白底单品图（product shot）的定义与三条不可妥协的硬性要求：

1. 物品各部分比例准确——不夸张、不变形、不风格化拉伸，道具的相对尺寸关系必须真实，避免「特写放大」或「卡通化」破坏后续素材一致性；
2. 边缘完整——道具整体完整入镜、四周留白，任何部分不得被画面边缘裁切，保证主体可被完整提取与复用；
3. 背景不承载任何叙事内容——纯白背景只是衬底，不带场景感、不带情节暗示、不带装饰元素，防止剧情信息混入素材图。

这三点共同服务于一个目的：保证道具参考图的「纯度」。在后续 storyboard 分镜中，道具通过prop_ids与段落绑定（agents/index.ts），其提示词中@道具名会被自动替换为参考图片标记；背景若承载叙事，就会把剧情污染进视频生成，破坏「道具外观固定」的复用前提。

三、输出结构模板：单段连贯描述

SKILL.md 规定了严格的组装顺序，要求模型输出单段连贯描述（不分点、不列项），语言跟随会话语言指令：

单品产品图，标准产品摄影视角，[道具名 + 材质/颜色/形状/大小 + 新旧程度与磨损细节]， 物品各部分比例准确，孤立放置在纯白背景上，居中完整入镜，边缘完整无裁切， 背景纯净不承载任何叙事内容，无其他物品、无人物、无场景， 柔和均匀的影棚光，轻淡阴影，高细节

模板的段落节奏是「主体信息 → 构图约束 → 背景约束 → 光影质感」，其中方括号部分是唯一需要模型创作的内容，其余均为固定约束句式。这种「约束骨架 + 变量填充」的设计，与 prompt_generator 系统提示词中「单段连贯描述，不要分点，不要混入无关词汇」的通用规范（agents/index.ts）完全一致。

四、生成规则详解

4.1 物理细节逐项落地（辨识度来源）

以道具的name（名称）与description（物品外貌）为输入核心，将材质、颜色、形状、大小、新旧程度、磨损痕迹等逐项落地。这与 extractor 提取道具时对description的要求（只描写物品本身的物理外观，不写剧情用途，见 agents/index.ts）严格对齐——提取阶段只收物理外观，生成阶段再把物理外观翻译成可生图的描述。

4.2 视角规范：按道具形态二选一

• 常规立体道具（杯子、凶器、信物等）：标准产品摄影的微俯视 3/4 视角——同时看清顶面与侧面，立体感最强，是产品图最经典的展示角度；
• 扁平道具（纸张、证件、照片）：改用正俯视平铺，避免透视压缩导致文字或图案变形。

4.3 光影与质感

柔和均匀的影棚光、轻淡阴影、高细节。禁止环境反光与彩色光（见下文禁止事项），防止材质质感被破坏或画面出现干扰性的光斑。

4.4 语言与措辞纪律

• 只描写物品本身，不要提及剧情、角色或用途（背景与画面都不承载叙事）；
• 输出使用会话语言指令指定的目标语言，不混入无关词汇；
• 明确禁止「电影质感」类词汇——道具图是产品图而非剧照，词汇错位会让模型把道具往「剧情镜头」方向生成，破坏白底单品约束。

关于「会话语言指令」的实现，见 language.ts：当会话目标语言为非中文（en/ja/ko）时，会在 instructions 末尾追加## Output Language (HIGHEST PRIORITY)指令块，强制所有面向用户的产出（含图片提示词）使用目标语言，并明确「视觉风格前缀由系统自动注入（英文），不要翻译、改写或重复」。

五、禁止事项清单

SKILL.md 明确列出六类禁止项，作为模型的负面约束：

注意「包装、底座、展示架」的例外条款：当包装本身就是道具本体的一部分时允许保留——这条边界需要模型根据道具语义自行判断，是规范中少有的「上下文敏感」规则。

六、保存机制：save_prop_final_prompt 与风格自动注入

SKILL.md 的「保存」一节指出：调用save_prop_final_prompt，且prompt 参数不含风格词，项目视觉风格由工具自动注入到最终提示词的最前方。

对应实现位于 image-prompt-tools.ts，其执行流程为：

const stylePrompt = await getDramaStylePrompt(dramaId) const finalPrompt = stylePrompt ? `${stylePrompt}, ${prompt}` : prompt await db.update(schema.props) .set({ finalPrompt, updatedAt: now() }) .where(eq(schema.props.id, prop_id))

即：查询项目绑定的视觉风格预设（style-preset.ts 通过dramas.style关联style_presets.value，取isActive为 true 的预设的英文 prompt 片段），若存在则拼接为风格前缀, 道具提示词，否则直接使用模型产出的提示词，最终写回props.finalPrompt字段。

这是「提示词规范」与「项目级风格控制」解耦的关键设计：SKILL.md 只约束道具本身的呈现方式，项目统一的画面风格（如古风、都市、赛博等）由风格预设系统负责，二者以「逗号拼接、风格前置」的方式组合，互不干扰。这也解释了 SKILL.md 反复强调「不要自行添加风格词」的原因——风格词由工具注入，模型重复添加会造成冲突或冗余。

七、触发链路：从资产缺失到自动生成

道具最终提示词的生成由 final-prompt.ts 的ensurePropFinalPrompt驱动：

1. 若prop.finalPrompt已存在且非 force 模式，直接返回已有提示词（幂等，不重复消耗 token）；
2. 否则记录任务日志prop-generate，通过mastra.getAgent('prompt_generator')发起生成请求，消息模板为：为道具「${prop.name}」(prop_id=${prop.id}) 生成白底单品最终提示词，并调用 save_prop_final_prompt 保存。（maxSteps: 12，允许模型多轮工具调用）；
3. 生成后重新查询props表取最新finalPrompt返回；失败时记录错误日志并返回空串，由调用方回退到本地拼接提示词。

也就是说，SKILL.md 是 Agent 在步骤 2 中被注入的「创作规范」，而save_prop_final_prompt是步骤 2 中模型必须调用的「落库工具」。规范文件与工具实现共同构成完整闭环：规范约束「怎么写」，工具约束「写在哪、怎么存」。

八、技能注册与多语言变体机制

prop-prompt 技能通过 skills.ts 的AGENT_SKILL_MAP注册到prompt_generatorAgent：

prompt_generator: [ 'prompt-generator/character-prompt', 'prompt-generator/scene-prompt', 'prompt-generator/prop-prompt', 'prompt-generator/video-prompt', ],

技能扫描器会递归遍历backend/workspace/skills/下所有含SKILL.md的目录（scanSkillPaths），并支持语言变体直读：当会话语言为非中文时，优先读取SKILL.<lang>.md（仓库中已提供SKILL.en.md/SKILL.ja.md/SKILL.ko.md），缺失时回退基础中文版。这与 prompt 文件的多语言机制一致（见 prompts.ts 的<type>.<lang>.md回退逻辑），保证多语言用户在技能层面获得一致的约束质量。

Agent 组装 instructions 时（agents/index.ts），会把「基础系统提示词 + 技能全文 + 语言指令块」拼接注入，因此 SKILL.md 的全部规则（三条硬性要求、输出模板、禁止事项、保存指令）都会作为 Agent 行为约束实际参与推理，而非仅存在于仓库中的文档。

九、常见问题与调优建议

结合源码实现，给出几个实操层面的注意点：

1. 不要手工往 prompt 参数里写风格词：save_prop_final_prompt会自动前置项目风格（getDramaStylePrompt），模型手写风格词会造成重复；若项目未绑定风格预设，工具返回的就是纯模型产出，此时可考虑在设置页为项目绑定风格预设（存于dramas.style，指向style_presets.value）。
2. 生成失败可强制重跑：ensurePropFinalPrompt(prop, episodeId, force = true)会忽略已有finalPrompt强制重新生成，适合资产外观描述更新后刷新素材图。
3. 语言混入的处理：若发现产出混入无关语言或词汇，可检查会话语言指令是否正确传入；buildLanguageDirective仅对非中文语言注入指令块，中文会话默认不注入。
4. 模型端点与输出上限：prompt_generator 的文本模型跟随 AI 配置，agents/index.ts 中的getModel会注入温度与max_tokens上限（默认 16384，可用AI_MAX_TOKENS覆盖），确保长提示词 + 多轮工具调用不被截断。

结语

火宝短剧的 prop-prompt 技能文档虽然只有数十行，却完整定义了短剧道具素材图的生成标准：从「白底单品 + 标准产品摄影」的定位、三条硬性要求，到逐项落地的物理细节、按形态区分的视角规范、禁止事项清单，再到save_prop_final_prompt的落库与风格自动注入。它与角色（三视图）、场景（固定视角）技能并列，共同支撑 prompt_generator Agent 的资产提示词生产能力，是「一句话生成完整短剧」流水线中保证素材可复用、可挂接、无剧情污染的关键一环。需要深入实践时，可直接阅读 prop-prompt/SKILL.md 与 image-prompt-tools.ts 对照验证。

• AI 应用
• 人工智能
• 媒体生成
• 音视频
• AI Agent
• 后端
• 前端