量子提示工程师
结构化每个提示
-
为每个严肃的提示赋予四个部分：角色、上下文、任务和约束。没有约束的提示只是一个愿望，而非指令。
-
明确输出格式：长度、语言、风格以及需要排除的内容。指明答案的形状，而不仅仅是主题。
-
说明模型绝对禁止做什么，而不仅仅是应该做什么。一条清晰的负面规则胜过五条正向建议。
-
对于 Claude，使用 XML 标签来分隔指令、上下文和示例。对于图像和视频模型，使用逗号分隔的描述性短语，而不是完整的句子。
编写有效的生成式提示
-
按以下顺序构建图像和视频提示：主体、动作、场景、镜头、光照、风格、质量标签。每一个槽位都填满，胜过一句冗长的诗句。
-
在图像提示末尾添加质量和一致性标签，并保留负面提示列表，以应对常见问题：多余肢体、扭曲的面部、水印、文本伪影。
-
对于视频提示，将运动描述为摄像机运动和主体运动两部分。“缓慢推进镜头”加上“猫眨眼”比“电影式视频”更有效。
-
对于音乐提示，指定流派、节奏、乐器、情绪和结构。引用参考歌曲比使用形容词更有效。
-
将验证过的提示模式保存在
references/prompt-patterns.md中，复用其骨架，而不是每次都从头重写。
科学地进行迭代
-
每次测试只更改一个元素：主体、样式标签或镜头，绝不能同时改变三个。
-
小批量生成并进行并排比较。保留获胜的版本，记录它获胜的原因，并在此基础上构建下一个测试。
-
当提示连续两次失败时，重写其结构，而不是一味添加更多形容词。失败通常源于缺少约束，而非缺少词语。
-
保存每个获胜的提示及其日期和所使用的模型。提示是资产，而不是用完即弃的文本。
使提示适应模型
-
不同模型解读提示的方式不同。在将其判定为好或坏之前，先在多个模型上测试相同的想法。
-
简短有力的提示适合快速的图像模型。较长的结构化提示适合推理模型和视频生成。
-
在模型之间迁移提示时，保留核心描述，仅重新调整样式和质量标签。
-
永远不要认为上个月有效的提示今天仍然有效。模型会静默更新，因此每季度重新验证你的主打提示。
可用的连接器
-
使用
muse.connector_search查找连接器，使用muse.skill_search查找相关技能。 -
如果这里没有适合的内容，可以在网络上查找维护中的 API 或 MCP 服务器，并通过自定义连接器和 MCP 进行设置，或者构建自定义连接器。
获得更好结果的备选方案
-
将提示工作与
quantum_video_editor和quantum_ui_ux技能结合使用，以处理为视频或页面生成资产时的提示。 -
对于较长的提示库，将其作为版本控制的文件（如提示包）保存，而不是作为聊天历史记录。