AI 封面图片生成：多步迭代 Prompt 优化

文章海报 AI 生成的困难

在创建博客文章时，希望为文章创建一个非常贴切的封面图片，即使使用 AI 生成也存在若干的难点：

如果人工来输入提示词，效率过低，同时效果也不一定理想
使用 AI 来直接根据文章或者文章摘要生成图片，很难满足图片需求的多维度（文章海报不仅要体现主题，还可能需要特定的风格、构图等）

针对不同的文章内容，固定的提示词+变化的变量输入（文章或摘要）易丢失主题的核心要素，很难创造高相关度的封面图片，而由人去基于每篇文章调优提示词虽然可以优化出图效果但是增加了人的创作成本，我希望这个过程如果进一步 AI 自动化。

多步迭代法优化提示词

目标：产出一个提供给图片生成模型的提示词

第一步：快速构建提示词生成策略

首先优化了变量输入的类型，从单纯的文章内容/摘要，扩充了由 AI 生成的标签列表，来约束和增强 AI 生成提示词的相关性和准确性
引导 AI 思考提示词生成的策略，而不是立即要求 AI 生成图片的提示词。这有助于 AI 启动思维链来提取更关键的信息，找到图片提示词的方向。

在实际实行中，增加了较多的案例提供给 AI 参考，以下是完整第一步提示词的示例：

TypeScript

const prompt = `Task: 请基于以下的提示词生成策略的模板，生成指定文章标签、摘要条件下的策略文本

策略模板
---
如何编写提示词以生成高度相关的文章封面图片
当你需要为文章生成封面图片，并且可用的输入信息包括文章标签和摘要时，可以通过以下步骤和策略来编写一个有效的提示词，确保生成的图片与文章内容高度相关。

1. 理解输入信息的作用
文章标签：这些是文章的核心主题或关键词，通常简洁且具有代表性，例如“科技”“环保”“教育”。标签指明了图片需要聚焦的主要视觉方向。
摘要：摘要是文章内容的简要概述，提供上下文和关键点，帮助进一步细化图片的内容和风格。
通过结合标签和摘要，你可以创建一个既有主题明确性又有具体细节的提示词。

2. 设计提示词的基本结构
为了让生成的图片与文章内容紧密相关，提示词需要包含以下几个关键部分：

主题明确：直接使用文章标签作为图片的主要视觉元素。例如，如果标签是“人工智能”和“医疗”，图片应包含AI技术和医疗场景的结合。
上下文细节：从摘要中提取关键信息，补充到提示词中。例如，如果摘要提到“AI如何改善诊断效率”，可以描述“医生使用AI设备分析X光片”的场景。
风格和情感：根据摘要的语气（例如正式、轻松或未来感）决定图片的风格（如写实、插图风或科幻风）和色彩基调。
3. 编写提示词的具体技巧
以下是一些实用技巧，确保提示词既具体又有效：

具体性：避免模糊描述。例如，与其写“一个科技场景”，不如写“一个现代实验室，科学家在操作AI驱动的医疗设备”。
视觉元素：明确指出图片中应包含的元素，例如人物、物体、背景和颜色。例如，“绿色森林、太阳能板、蓝色天空”。
避免歧义：通过清晰的描述或排除法确保主题不被误解。例如，“专注于环保技术，不包含城市天际线”。
简洁但全面：保持提示词简练，但包含足够的信息以引导生成工具。
4. 示例提示词
假设：

文章标签：环境保护、可持续发展
摘要：探讨了企业如何通过创新技术减少碳排放
提示词：
“生成一张文章封面图片，展示一个现代化的绿色工厂，屋顶覆盖太阳能板，周围是郁郁葱葱的树木和一条清澈的河流。图片中包含工程师在操作环保设备，背景是晴朗的天空，象征可持续发展的未来。风格为明亮、写实的科技风。”

这个提示词结合了标签（环境保护、可持续发展）和摘要（创新技术减少碳排放），并描述了具体的视觉元素和风格，确保图片与文章内容高度相关。

5. 如何保证图片与文章的相关性
为了确保生成的图片与文章内容一致，可以关注以下几点：

标签优先：标签是文章的核心，提示词必须直接反映标签的主题。例如，“环保”标签应体现在绿色元素或环保技术上。
摘要辅助：摘要提供具体背景，提示词应从中提取关键点，避免图片过于泛化。例如，“减少碳排放”可以转化为太阳能板或清洁能源的视觉符号。
避免泛泛而谈：不要生成与标签和摘要无关的通用图像。例如，如果文章聚焦技术创新，就避免单纯的自然风景。
风格匹配：根据文章的语气调整图片风格。例如，学术性文章适合写实风格，而科普文章可以用更轻松的插图风。
---

示例输入条件
---
文章的标签是：AI、MCP
文章的摘要是：MCP（模型上下文协议）是一种开放标准，旨在统一LLM与外部数据源和工具的通信。文章指出，MCP通过开放标准、避免重复造轮子等优势，逐渐被接受。MCP的核心在于提供安全的数据访问接口，实现AI与数据、工具的互联。文章介绍了MCP的工作原理、功能，以及与Function Calling的区别，并列举了MCP在数据、开发、网络等方面的应用，强调了其在增强AI工具功能方面的潜力
---

示例输出
---
生成提示词的步骤与策略
1. 理解文章标签和摘要
    标签：AI、MCP
    摘要分析：MCP（模型上下文协议）是一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具的通信。文章强调了其开放性、避免重复开发、安全数据访问接口等优势，以及实现AI与数据、工具互联的核心功能。此外，还介绍了MCP的工作原理、与Function Calling的区别及其在数据、开发、网络等领域的应用，突出其增强AI工具功能的潜力。
2. 提取关键信息
    主题：MCP（模型上下文协议）、AI
    关键点：
        开放标准
        统一通信
        安全数据访问
        AI与数据、工具的互联
        功能增强潜力
        视觉元素：
        AI（机器人、芯片等）
        数据源（数据库、云图标）
        工具（API、软件图标）
        安全（锁、盾牌）
        互联（网络线、连接节点）
3. 设计提示词
    主题明确：突出MCP和AI的核心角色。
    上下文细节：融入开放标准、安全性、互联性等关键概念。
    风格和情感：体现技术感、未来感与开放性。
---

指定输入条件：
---
文章标签：${tags.join('、')}
文章摘要：${summary}
---
`

第二步：基于策略生成精准图片提示词

实际上是将第一步生成的策略作为主要的提示词，要求 AI 按这部分策略来生成图片提示词：

TypeScript

const prompt = `${strategy}\n\n请基于策略生成完整的最终的图片创作提示词, 请不要过多解释, 直接给出提示词即可`

第三步：引入 AI 评估迭代（可选）

对于第二步生成的提示词结果，可以使用 AI 来评估分析与原始策略要求的达成度，判断其与策略需求的差距在哪里？（例如：主体不够突出？风格不对？缺少细节？），这里可以使用不同的模型，推荐使用推理模型，能够指出不足和改进建议。评估迭代则将评估内容和原始策略一起，要求 AI 重新执行第二步。