用途
ComfyUI Prompt Interview 是一个引导式对话技能，目标是在生成图像提示词之前，先通过对话把用户的创作构想完整梳理出来，然后综合成一个适合目标模型的提示词，并附上推荐设置。
何时调用
- 用户描述了图像或场景想法，但细节不足以写出高质量提示词
- 用户说“帮我想清楚我要创作什么”
- 用户有一个模糊概念，需要细化
- 用户想要结构化提示词，但不确定该指定哪些内容
访谈理念
- 提问，而不是审问。这是对话，不是表单。每次问一到两个问题。
- 倾听用户给出的内容，针对缺失部分追问。根据用户已分享的信息调整问题——如果生成的是风景，就不要问角色细节。
- 问题越少越好。最多 4-7 轮交流。先问影响最大的问题。当足以生成优秀提示词时就停止提问。
- 不要问可以推断的内容。如果用户说“一位女战士的电影感肖像”，就不需要问这是不是人物或是否要包含主体。
访谈流程
第 1 步：从大方向开始
如果用户还没说明想创作什么，从这里开始：
“你想创作什么？把你有的都告诉我——哪怕只是一个粗略想法、一种氛围，或一个启发你的参考。”
如果用户已经给出起始概念，跳过这一步，直接问缺失内容。
第 2 步：按创作类型分支
根据回答判断生成类型：
| 类型 | 关键问题 |
|---|---|
| 肖像 / 角色 | 身份方法？已有角色？表情、服装、场景、光照 |
| 场景 / 环境 | 地点、时间、氛围、天气、前景/背景元素 |
| 产品 / 物体 | 角度、背景、光照风格、商业还是艺术 |
| 抽象 / 概念 | 主色调、形状、情绪基调、需要避免什么 |
| 视频 | 运动类型、镜头运动、所需时长、是否需要音频？ |
第 3 步：提出高影响问题
只问缺失内容。使用自然对话语言，而不是项目符号列表。
角色/肖像内容——按影响顺序提问：
- 身份（若未指定）：“这是你有参考图的特定角色，还是我们在设计一个新角色？”
- 表情与情绪：“情绪或能量是什么——凶猛、宁静、俏皮、忧郁？”
- 场景：“他们在哪里，什么时候？（时间、地点、室内/室外）”
- 光照：“有特定光照想法吗？（黄金时刻、戏剧性侧光、柔和影棚光、霓虹、烛光）”
- 服装与细节：“他们穿什么，还有其他关键视觉细节吗？”
- 镜头/构图：“如何取景——特写肖像、四分之三身、广角全景？”
- 风格：“照片级真实、电影胶片、时尚编辑、绘画感，还是其他？”
场景/环境内容——按影响顺序提问：
- 场景：“描述这个地方——它看起来怎样，是什么时间？”
- 氛围/情绪：“什么感觉应该立刻击中观众？”
- 光照：“光源和光质是什么？”
- 关键元素：“画面中必须有哪些特定物体、结构或细节？”
- 风格：“照片级真实、风格化、概念艺术、绘画感？”
视频内容——额外问题：
- 运动：“什么在动——主体、镜头，还是两者？”
- 时长：“多长？（短：3-5 秒 vs 长：15-60 秒会影响模型选择）”
- 音频：“需要声音/音乐，还是静音？”
第 4 步：技术问题（仅在不明显时询问）
这些通常可从上下文推断，但不清楚时再问：
- 宽高比：“标准 1:1 肖像、16:9 电影感、9:16 竖屏/社交？”
- 模型偏好：“对生成引擎有偏好吗，还是我推荐最适合这个的？”
- 已有角色设置：“你有为这个角色训练的 LoRA，或参考图吗？”
- 需要避免什么：“有什么特定内容要确保不出现在图像中？”
第 5 步：确认并综合
生成提示词前，简要复述构想：
“明白了。我这样理解：[1-2 句概念总结]。我来构建提示词。”
然后立即生成下面的完整输出。
输出格式
交付四个组成部分，清晰分隔：
🎯 正向提示词
[应用 skills/comfyui-prompt-engineer/SKILL.md 中模型特定规则来撰写正向提示词]
关键规则：
- FLUX / Kontext：自然语言，50-100 词，无质量标签；若使用身份方法，描述场景而非面部
- SDXL：质量标签在前，触发词第二，50-150 词，支持权重语法
- SD 1.5：简短且基于标签，30-80 词
- Wan / 视频：简洁，以运动为重点，20-50 词
- 若适用 LoRA 触发词，放在最前
- 若使用 InstantID/InfiniteYou：不要描述面部特征，让身份方法处理
🚫 负向提示词
[选择合适的负向模板并自定义]
标准模板：
- 照片级真实：(worst quality:1.4), (low quality:1.4), blurry, deformed, bad anatomy, bad hands, extra fingers, missing fingers, text, watermark, 3d render, cartoon, anime, plastic skin, airbrushed, oversaturated
- FLUX（极简）：blurry, low quality, distorted, deformed, ugly, watermark, text
- 视频：static, frozen, jerky motion, low quality, blurry, distorted face, bad anatomy, glitch, artifacts, flickering
⚙️ 推荐设置
| 参数 | 值 | 原因 |
|---|---|---|
| 模型 | [具体检查点] | [为什么选这个模型] |
| 采样器 | [例如 DPM++ 2M Karras] | |
| 步数 | [例如 25] | |
| CFG Scale | [例如 4.5] | |
| 分辨率 | [例如 1016×1016] | [若用 InstantID，避免 1024 水印伪影] |
| 身份方法 | [例如 InfiniteYou SIM] | [如适用] |
| LoRA | [触发词 + 权重] | [如适用] |
🔧 流水线建议
[1-3 句描述推荐的工作流模式及原因]
示例：“使用 character-gen 技能中的 Pattern 2：加载你的 LoRA，添加 InfiniteYou SIM 锁定身份，通过 FaceDetailer 以 0.35 降噪处理，然后用 4x-UltraSharp 放大。这样能在保持你描述的电影感氛围的同时获得最大身份保真度。”
模型选择决策规则
推荐模型/流水线时应用：
| 用户目标 | 推荐 |
|---|---|
| “照片级真实、单角色、有参考图” | InfiniteYou 或 FLUX Kontext |
| “多角色、身份一致” | PuLID Flux II |
| “快速迭代、角色编辑” | FLUX Kontext dev/pro |
| “最高质量肖像、已有训练好的 LoRA” | FLUX.1-dev + LoRA |
| “宽场景 / 环境” | FLUX.1-dev 或 RealVisXL |
| “风格化 / 艺术化” | RealVisXL + 风格 LoRA 或 SDXL |
| “视频、短片” | Wan 2.2 1.3B（消费级）或 LTX-2（4K） |
| “视频、无限长度” | Wan 2.2 I2V A14B + SVI 2.0 Pro |
| “说话头像” | FramePack + LatentSync 1.6 |
访谈示例
用户：“我想创作一张戏剧性图像：一位女战士站在黎明时分的废墟中。”
VideoAgent：
“喜欢这个概念。有几个问题能锁定外观：
- 这是你想保留的特定角色（参考图、LoRA），还是新角色？
- 她的能量是什么——反抗而胜利、疲惫但不屈，还是其他？
- 她的外观有具体设定吗——头发、盔甲风格、任何标志性特征？”
用户：“新角色。反抗而胜利。深色编发，华丽青铜盔甲，清晨光线刚从她身后的地平线升起。”
VideoAgent：
“明白了——把它框定为英雄式余波镜头：她赢了，太阳在她身后升起，脚下是瓦砾。还有一个问题：近景肖像、四分之三身，还是带废墟环境的全身？”
用户：“全身，展示废墟和黎明天空。”
VideoAgent：
“完美。现在开始构建。”
[交付完整提示词输出]
与其他技能的集成
交付提示词后，提供后续步骤：
- 生成工作流：“要我为此构建完整的 ComfyUI 工作流吗？我会检查你的清单并配置每个节点。”
- 优化提示词：“如果哪里感觉不对，我可以调整风格、替换身份方法，或重做负向提示词。”
- 保存为角色档案：“如果这会成为反复出现的角色，我可以创建角色档案，这样我们随时都有她的设置。”