项目概览
PromptLens 是一款开源的 AI 视频提示词反推分析工具，提供完整的 Web 应用体验。其核心能力是上传 AI 生成的视频或图片，自动提取关键帧，通过多模态大模型（如智谱 GLM-4V、Google Gemini、OpenRouter）分析画面内容，反向推导出可能使用的提示词，并输出结构化的、可直接复用的英文提示词。项目采用 Next.js 15 + React 19 全栈技术，使用 Supabase PostgreSQL 存储数据，Cloudflare R2 存储媒体文件，FFmpeg 进行视频帧提取，支持 better-auth 的 Google/GitHub 登录。除画面分析外，还支持通过 AssemblyAI 进行音频识别，提取视频中的语音旁白和台词。项目以 MIT 许可证开源，代码透明，可自由修改和商用。
解决什么问题
当用户在社交媒体上看到惊艳的 AI 生成视频时，往往想知道其使用的提示词，以便生成自己的版本。传统做法包括纯肉眼描述、手动截图配合 CLIP Interrogator、在社区寻找分享的提示词或直接询问作者，但这些方式存在明显痛点：手动截图效率极低，难以均匀捕捉关键帧；CLIP 模型输出的是标签式描述，缺乏细节和结构化格式；单帧截图丢失视频运动信息；工具链碎片化，缺乏一站式解决方案；音频信息被忽略。PromptLens 旨在优化从"看到好视频"到"拿到好提示词"的整条链路，将原本需要 30 分钟以上手动操作的过程压缩到几分钟内自动完成。
工作方式
PromptLens 的核心原理是一条清晰的管线：输入视频或图片，通过 FFmpeg 进行帧提取，将 JPEG 帧转换为 Base64 编码，作为图片输入传给多模态 AI 模型，最后按照精心设计的 Prompt 模板引导输出结构化提示词。帧提取采用均匀采样策略，根据视频时长和用户指定的帧数（默认 8 帧）计算均匀间隔，使用高质量输出参数确保画质。AI 分析支持多个提供商：智谱 AI 使用 GLM-4V-Plus 模型，Google Gemini 使用 Gemini 2.0 Flash，OpenRouter 可路由到 Claude 3 Haiku 等模型。分析结果保存到 Supabase PostgreSQL 数据库，关联用户 ID、原始媒体 URL、分析模式、完整提示词和核心提示词等信息。此外，通过 AssemblyAI 服务可提取视频音频轨道进行语音转文字，作为提示词分析的补充信息。
核心能力
- 自动帧提取：FFmpeg 均匀采样，默认提取 8 帧，保留时序信息
- 多帧分析：按时间顺序排列帧图片，让 AI 理解视频叙事弧线
- 结构化输出：通过 Prompt 模板引导输出核心提示词、主体描述、环境描述、光影风格、运镜方式等
- 多 AI 提供商：支持智谱 AI、Google Gemini、OpenRouter，用户可自由选择
- 音频识别：通过 AssemblyAI 提取视频中的语音旁白和台词
- 视频与图片双支持：不限于图片，能处理视频的时序信息
- 完整用户系统：支持 Google/GitHub 登录，数据隔离，历史记录持久化
- 管理后台：支持用户管理和操作日志审计
- 国际化支持：通过 next-intl 支持多语言
- 测试覆盖：Vitest 单元测试和 Playwright E2E 测试
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 报告明确指出，反推提示词不等于原始提示词，AI 视频生成过程不可逆，PromptLens 只能模拟提示词，无法真正提取原始 Prompt。帧数越多不一定分析越准确，过多的帧会增加 API Token 消耗和处理时间，默认 8 帧是经验平衡值。分析质量依赖所选 AI 模型，不同模型差异较大。视频长度受 100MB 文件大小限制，长视频需要预处理。Vercel Serverless Functions 有 10MB 内存限制，无法直接使用 FFmpeg，生产环境需使用 Mux 等替代方案或部署独立的视频处理服务。项目目前没有发布任何 Release 版本，历史记录、用户设置、管理员后台等功能在报告中标注为"开发中"状态，更适合作为学习项目、内部工具或二次开发的基础。分析提示词模板主要针对中文用户设计。
