跳到主要内容
prolist.
发现项目AI 收集我的项目我的模型
正在确认账号…
prolist.

发现有价值的项目,留下有依据的判断。

项目专题关于我的收藏
© 2026 prolist项目知识,由人判断。

IDEAS CONNECT PROJECTS

沿着兴趣,发现项目。

从一个标签出发,打开一份值得研究的档案。

收集项目线索
筛选与排序 · 已应用
地图列表
不限标签13提示词工程7图像生成4信息图4AI图像生成4GPT-Image 24内容创作3提示词3开源2商业设计2文字渲染2GPT-Image-22UI仿真2

项目搜索结果

找到 13 个项目

清除筛选

以下内容已由 AI 根据历史资料整理,供本地测试,未经人工复核。

内容创作主题配图

GPT-Image 2 品牌包装系统提示词

一套通过约2000字模块化提示词,为任意品牌与品类生成品牌提案级包装系统展示图的方法论。

这是一套专为 ChatGPT Image 2.0 设计的品牌包装系统展示图提示词工程方法论,由 @MrLarus 实战验证。其核心是一套约 2000 字的中文提示词模板,用户只需替换【品牌名称】和【品牌类目】两个变量,即可生成包含手提袋、礼盒、单品盒、瓶罐容器、标签贴纸、产品本体等多种包装载体,且所有元素共享统一品牌视觉识别系统的展示海报。该方法论通过十层模块化控制架构,分别约束画幅、品牌系统完整性、品类适配、元素数量、视觉一致性、配色机制、构图、视觉风格、光影和最终效果。其核心设计思想包括系统感优先、受控发散配色、克制即高级、品类驱动、提案感优先和三段式构图。报告显示,该方法已在美妆、轻食、烘焙、茶饮四个不同品类品牌上生成高质量输出。该方法论适用于品牌提案、电商视觉升级、创业团队 MVP 视觉、设计灵感探索和设计教育等场景,但报告也明确指出其局限,包括品牌深度不足、Logo 真实性有限、输出为位图不可直接用于印刷、存在版权风险以及品类覆盖有限。

模板化品牌包装设计品牌视觉系统
09.08
内容创作主题配图

GPT-image2 社区提示词合集

社区实战验证的 GPT-image2 提示词速查手册

本合集基于社区创作者在 X 平台发布的「GPT-image2 最强玩法合集」,系统整理了 15 类经过社区实测的提示词场景,涵盖日历设计、代码海报、Logo 生成、书法复制、试卷生成、架构图绘制、UI 仿真、直播切片、MV 制作等。报告指出,GPT-image2 的核心突破在于原生文字渲染(中英日韩)和 UI 截图级逼真度,用户只需一句话中文提示词即可出图,无需学习复杂参数。合集还介绍了 URL 输入、多轮对话迭代、跨工具联动(如与 Seedance2 配合生成视频)等能力。报告同时说明,该文档是《GPT-image2 深度技术指南》的实战补充篇,侧重社区玩法而非模型原理与 API 工程。

内容管线提示词图像生成
09.08
内容创作主题配图

GPT IMAGE2 角色设计卡 Prompt 工程

从单张角色图自动生成官方设定级角色设计卡的 Prompt 工程方法

本收藏聚焦于 GPT IMAGE2(gpt-image-1.5)在角色设计卡(Character Sheet)场景下的 Prompt 工程方法论。核心能力是从单张角色图片自动生成包含三视图、表情变化、装备分解、色板和世界观设定的专业级角色设定图。传统制作需资深设计师 1-3 个工作日,而该方法可在约 10 秒内完成,成本约 $0.05-0.10/张。其原理基于 VQ Token 与 Text Token 的统一空间,使模型能同时理解图像与文字指令,保持多视图一致性并自动推理世界观。标准 Prompt 包含锚定指令、质量锚词、结构要求和风格约束。实际使用通常需要 1-3 轮迭代优化,中/日/英三种语言 Prompt 均有效。该方法适用于游戏角色概念设计、漫画设定集、VTuber 形象、TRPG 角色卡及 IP 授权资料等场景,但存在细节可能出错、文字渲染有限、风格依赖原图等局限。

多视图生成角色设计色板提取
09.08
内容创作主题配图

GPT-Image科学百科图解提示词

一套通过结构化提示词让AI自动生成百科级科学信息图的方法论

这是一套专为GPT-Image等多模态图像生成模型设计的高密度信息图提示词工程体系,通过结构化的视觉布局指令,让AI自动生成类似DK百科全书风格的专业科学图解。它并非软件或工具,而是一套提示词工程方法论,核心成果物是“单图即百科”的信息图:中央主体以逼真3D效果“跃出画面”,周围环绕6-8个知识模块,通过引导线、箭头、标注形成完整的知识网络。该体系解决了传统AI图像生成在知识密集型场景下的信息密度不足、布局不可控、文字渲染差、学科覆盖窄、专业度低等问题。其核心思想包括“太阳系布局”、战略性留白、引导线编织知识网络、中文书法体与手写注释的双层文字系统、三大领域模板化以及3:4竖版画幅与复古纸张质感。提示词结构拆解为7个控制层:角色定义、任务描述、领域选择、风格定义、视觉要求、模块结构、主题注入。用户只需修改主题名即可生成不同物种或人物的信息图。报告还提供了标准使用流程、批量生产流程、与竞品的对比、真实应用场景、工程落地步骤、优缺点与局限、常见误区及学习路径。

多模态AI科学教育内容创作
09.08
内容创作主题配图

GPT-Image 2 博物标本解剖风格提示词

用博物学视角与卡拉瓦乔光影,把食物变成博物馆级解剖标本的提示词技术

本项目是一套面向 GPT-Image 2 的提示词技术,由知识猫图解(@GeekCatX)创作,核心思路是以博物学大师发现野外标本的方式解剖食物,将剖开、展开、固定的处理步骤与博物馆珍贵藏品的展示框架结合,并以卡拉瓦乔为《国家地理》掌镜时的戏剧性明暗对比作为光影方向。提示词强调每个内部结构以自身材质真相发光,通过“截面锋利得近乎暴力、内部美丽得近乎神圣”的对立制造视觉张力。报告指出,该提示词约 80 字,适用于水果、坚果、蔬菜等内部结构丰富的对象,也可扩展至矿物、植物等非食物对象;其传播力在社交媒体上得到验证(原帖 274 转发、244 评论)。报告同时说明其局限:风格偏暗调侧光、仅适合可解剖展示的对象、大量使用可能引发审美疲劳,且部分食物或处理方式可能触发内容审核。

博物学卡拉瓦乔光影内容创作
09.08
内容创作主题配图

GPT-Image 2 技术蓝图信息图提示词

在真实产品照片上叠加工业级技术蓝图标注,一句话生成设计手册风格信息图

该收藏记录了一种利用 GPT-Image 2 模型生成产品技术解剖图的提示词技术,由 Bitturing 分享。其核心是在真实产品照片上叠加技术蓝图风格的标注层,包括白线、箭头、尺寸、标签以及零件、材料、尺寸和功能的小型示意图,并配有左上角写有"OBJECT"的草图框和 1:1 维度标注,呈现出类似工业设计手册的专业感。该技术旨在解决传统产品技术展示中摄影与设计分离、专业门槛高、效率低下和风格一致性难保证等问题。报告指出,该技术适用于电子产品、机械产品、运动装备、汽车等对象,其中内部结构复杂的产品效果最好。报告同时提醒,AI 生成的尺寸标注可能不准确,仅供参考,正式使用需人工核实。

技术蓝图内容创作提示词
09.08
内容创作主题配图

GPT-Image 2 实操案例与提示词工程指南

一份基于实操案例整理的 GPT-Image 2 提示词工程指南,覆盖 13 类应用场景与模板化用法。

本指南基于一份实操报告整理,围绕 OpenAI 于 2026 年 4 月推出的图像生成模型 GPT-Image 2 展开。报告指出,该模型并非传统文生图工具,而是集成了意图理解、知识补全、设计规划与精准渲染的 Agent 系统。指南重点介绍了其四大核心亮点:高质量中文渲染、自动补全缺失信息、支持极简提示词以及可对话式追问微调。内容主体为 13 个实操案例,覆盖图鉴拆解、古文书法、科普百科、电商详情、试卷生成、旅游攻略、人物关系图、密集中文排版等场景,每个案例均提供了对应的提示词模板与通用性说明。此外,指南还对比了 GPT-Image 2 与 Midjourney、DALL-E 3、Stable Diffusion 等工具的差异,并总结了优缺点、常见误区与学习路径。报告同时指出其局限,如不适合像素级精确排版、无法本地部署或批量调用,以及存在伦理风险。

提示词工程图像生成信息图
09.08
guizang-ppt-skill 歸藏PPT Skill README 配图
AI 智能体GitHub 项目

guizang-ppt-skill 歸藏PPT Skill

将十年设计经验编码为规则,让 AI 生成专业级 HTML 演示文稿的开源技能

guizang-ppt-skill 是由设计师歸藏开发的开源 AI Agent 技能,用于在 Claude Code、Codex 等环境中生成专业级横向翻页 HTML 演示文稿。它通过 SKILL.md 定义工作流和约束,将设计经验转化为自然语言硬规则,让 AI 在约束内执行,而非自由发挥。项目提供两套视觉系统:电子杂志风(Style A)适合叙事与个人风格,瑞士国际主义风(Style B)适合事实、产品与分析。瑞士风包含 22 种锁定版式、16 列网格和自动校验脚本,确保版式合规。核心设计决策包括不允许自定义颜色、单一视觉锚点、结构优于装饰等。此外,项目支持在 Codex 环境中通过 GPT-Image 2.0 生成配图,并可生成多平台封面(如公众号 21:9、小红书 3:4、视频号 16:9),实现从大纲到 PPT、配图、封面的全链路闭合。项目以 MIT 协议开源,GitHub 上获得 7.2k+ Stars。

开源设计系统AI Agent Skill
09.08
内容创作主题配图

GPT-image2(OpenAI 图像生成模型)

OpenAI 第二代原生图像生成模型,以 Transformer 端到端架构实现印刷级文字渲染与 UI 仿真。

GPT-image2 是 OpenAI 推出的第二代原生图像生成模型,模型 ID 为 gpt-image-1.5,属于 GPT 多模态模型家族中专门负责图像输出的成员。与 DALL·E 系列不同,它不是独立的扩散模型,而是直接嵌入在 GPT 推理架构中的图像生成能力,用同一个 Transformer 做文本理解和图像输出。该模型解决的核心问题是让 AI 生成的图片不再“一眼假”,在文字渲染、UI 仿真、细节精度、多语言支持等方面实现了跨越式提升。其核心优势包括:文字渲染达到印刷级精度,能精确模拟 App 界面、网页截图、后台管理面板,支持中文等多语言原生理解,并支持对话式迭代修改。模型通过 Responses API 和 Chat Completions API 接入,适合海报、UI 截图、试卷、书法、架构图等精确性场景。其局限包括成本较高(标准输入每张 8 美元)、生成速度较慢、审美需精细 Prompt 控制、无本地部署选项。

多模态图像生成文字渲染
09.08
内容创作主题配图

GPT-Image 2 极简几何海报提示词

一段结构化提示词,让 AI 为任意产品快速生成极简几何装置风的商业级产品海报。

这是一套基于 ChatGPT Image 2.0 的提示词设计方法论,属于 AI 图像生成领域的 Prompt Engineering 范畴。其核心是通过一段精心设计的结构化提示词,让 AI 为任意产品一次性生成极简几何装置风的产品海报,达到商业级品牌 KV 级别的视觉效果。该方法旨在解决商业产品海报制作中“质量-成本-速度”的不可能三角,通过一段提示词加一张产品图,在几十秒内产出品牌级海报。提示词支持双模式输入:提供产品图时保留其核心外观特征与配色;仅输入产品名时,则自动生成符合产品定位的外观与包装设计。其底层依赖 OpenAI 的 GPT-Image 2.0 多模态图像生成模型,但提示词的设计逻辑可迁移至其他图像生成模型。

产品海报批量生产商业设计
09.08
内容创作主题配图

GPT-Image-2 地景档案模型提示词

一套将地标建筑转化为博物馆展陈感档案模型视觉图的六层参数化提示词方法论

「地景档案模型 / Landscape Archive Model」是 @MrLarus 基于 OpenAI ChatGPT-Image-2.0 设计的一套地标建筑提示词方法论,将长城、珠峰、外滩、珠江等知名地标浓缩成具有博物馆展陈感的档案级实体模型视觉图。其核心是「参数化分层控制」,将提示词拆解为基础设定、画面结构、细节要求、说明系统、构图镜头、材质光影六个独立可调的控制层。该方法内置主题类型路由机制,可覆盖自然地貌、城市空间、混合景观三类主题;并遵循三层色彩纪律(主色调 70-80%、辅助色 15-25%、点缀色 3-5%),强调低饱和、克制的档案感。核心视觉概念是「三维生长」——立体主体从二维地图底板中自然生长出来,而非简单叠加。该方法天然支持系列化生成,固定基础参数只换主题即可产出风格统一的地标图集。

参数化模板地标可视化视觉风格控制
09.08
EvoLinkAI 的 GitHub 头像EvoLinkAI/awesome-gpt-image-2-API-and-Prompts
内容创作GitHub 项目

awesome-gpt-image-2-prompts

GPT Image-2 提示词社区精选百科,收录 31+ 条真实案例与五大类别

awesome-gpt-image-2-prompts 是由 EvoLinkAI 团队维护的 GPT Image-2 提示词精选合辑,托管在 GitHub 上,采用 CC BY 4.0 协议开源。项目定位为 GPT Image-2 提示词的百科全书式参考库,收录人像摄影、海报插画、角色设计、UI 仿真、社区实验等五大类别的真实提示词与生成效果图。截至 2026.4.19,收录 31+ 条精选案例,来自 X/Twitter、创作者社区和公开演示。项目提供 11 种语言版本,持续更新。核心理念是"真实案例 > 理论指导",强调提示词原汁原味、图证合一、创作者溯源。项目还提炼了五种提示词写作模式,包括摄影参数式、设计需求式、规格清单式、场景仿真式和极简指令式,帮助用户理解和掌握 GPT Image-2 提示词的写法。

多语言精选合辑开源
09.08
内容创作主题配图

GPT-image-2 汉服拆解图提示词工程

一套面向 GPT-image-2 的提示词模板,用于生成博物馆图鉴级中文拆解信息图。

该项目是一套针对 OpenAI GPT-image-2(gpt-image-1.5 模型)设计的提示词工程方法论,核心是一段通用模板,通过替换【主题】变量,即可生成博物馆图鉴级别的中文拆解信息图。它主要解决传统 AI 图像生成在中文文化内容上的三大短板:结构准确性不足、中文文字渲染困难、图鉴专业感缺失。其实现方式是通过版式约束、风格锚定和结构分区三重机制,并依托模型的 VQ Token 统一空间、高分辨率输出和多轮对话迭代能力。提示词包含角色设定、内容要求、自主决策权、风格锚定、排除清单、版式约束和条件分支七个层次,并固定为顶部标题、左侧拆解、右上材质、右中纹样、底部流程的五区版式。该模板适用于传统服饰、器物、建筑、盔甲、凤冠等文化主题,但存在结构准确性不可控、非矢量图、历史准确性需验证等局限。

版式设计提示词工程文化内容
09.08