多模态提示词

这个提示词为图像分析提供了清晰的框架。模型准确知道你需要什么信息。

分析这张图像并描述：

1. **主体**：这张图像的主要焦点是什么？
2. **场景**：这看起来在哪里？（室内/室外，地点类型）
3. **情绪**：它传达了什么情感基调或氛围？
4. **文字内容**：任何可见的文字、标志或标签？
5. **值得注意的细节**：有什么可能一眼看不到的内容？
6. **技术质量**：光线、对焦和构图如何？

[粘贴或描述你想分析的图像]

图像描述或 URL：${imageDescription}

从图像分析中获取结构化数据，便于在应用程序中解析和使用。

分析这张图像并返回以下结构的 JSON 对象：

{
"summary": "一句话描述",
"objects": ["可见主要物体列表"],
"people": {
  "count": "数量或'无'",
  "activities": ["他们在做什么，如果有的话"]
},
"text_detected": ["图像中可见的任何文字"],
"colors": {
  "dominant": ["前三种主色"],
  "mood": "暖色调/冷色调/中性色调"
},
"setting": {
  "type": "室内/室外/未知",
  "description": "更具体的地点描述"
},
"technical": {
  "quality": "高/中/低",
  "lighting": "光线描述",
  "composition": "取景/构图描述"
},
"confidence": "高/中/低"
}

要分析的图像：${imageDescription}

使用对你决策重要的具体标准比较两张或多张图像。

为 ${purpose} 比较这些图像：

**图像 A**：${imageA}
**图像 B**：${imageB}

根据以下标准分析每张图像：
1. ${criterion1}（重要性：高）
2. ${criterion2}（重要性：中）  
3. ${criterion3}（重要性：低）

提供：
- 每个标准的并排比较
- 每个选项的优缺点
- 带有理由的明确推荐
- 任何顾虑或注意事项

从文档、收据、发票或表格的照片中提取结构化数据。

这是一张 ${documentType} 的照片/扫描件。

将所有信息提取为结构化 JSON 格式：

{
"document_type": "检测到的类型",
"date": "如果存在",
"key_fields": {
  "field_name": "value"
},
"line_items": [
  {"description": "", "amount": ""}
],
"totals": {
  "subtotal": "",
  "tax": "",
  "total": ""
},
"handwritten_notes": ["任何手写文字"],
"unclear_sections": ["难以阅读的区域"],
"confidence": "高/中/低"
}

重要提示：如果任何文字不清楚，请在"unclear_sections"中注明，而不是猜测。如果有大部分内容难以阅读，请将置信度标记为"低"。

文档描述：${documentDescription}

获取截图的详细分析，用于调试、用户体验审查或文档编写。

这是 ${applicationName} 的截图。

分析这个界面：

**识别**
- 这是什么屏幕/页面/状态？
- 用户在这里可能想要完成什么？

**UI 元素**
- 关键交互元素（按钮、表单、菜单）
- 当前状态（有什么被选中、填写或展开了吗？）
- 任何错误消息、警告或通知？

**UX 评估**
- 布局是否清晰直观？
- 有任何令人困惑的元素或不清楚的标签吗？
- 无障碍问题（对比度、文字大小等）？

**检测到的问题**
- 视觉错误或错位？
- 截断的文字或溢出问题？
- 不一致的样式？

截图描述：${screenshotDescription}

获取截图中错误消息的通俗解释和修复方法。

我在 ${context} 中看到这个错误。

[描述或粘贴错误消息/截图]
错误详情：${errorDetails}

请提供：

1. **通俗解释**：这个错误实际上是什么意思？

2. **可能原因**（按概率排序）：
 - 最可能：
 - 也可能：
 - 较少见：

3. **逐步修复**：
 - 首先，尝试...
 - 如果不行...
 - 作为最后手段...

4. **预防**：将来如何避免这个错误

5. **警示信号**：这个错误何时可能表明更严重的问题

使用这个模板创建详细、具体的图像生成提示词。

使用以下规格创建图像：

**主体**：${subject}

**风格**：${style}
**媒介**：${medium}（如油画、数字艺术、照片）

**构图**：
- 取景：${framing}（特写、中景、广角）
- 视角：${perspective}（平视、仰视、俯视）
- 焦点：${focusArea}

**光线**：
- 光源：${lightSource}
- 质量：${lightQuality}（柔和、强烈、漫射）
- 时间：${timeOfDay}

**色彩调色板**：${colors}

**情绪/氛围**：${mood}

**必须包含**：${includeElements}
**必须避免**：${avoidElements}

**技术参数**：${aspectRatio} 宽高比，高质量

通过描述每个深度层中出现的内容来构建复杂场景。

生成一个详细的场景：

**场景设定**：${setting}

**前景**（最靠近观众）：
${foreground}

**中景**（主要动作区域）：
${middleGround}

**背景**（远处元素）：
${background}

**氛围细节**：
- 天气/空气：${weather}
- 光线：${lighting}
- 时间：${timeOfDay}

**风格**：${artisticStyle}
**情绪**：${mood}
**色彩调色板**：${colors}

要包含的额外细节：${additionalDetails}

获取带有说话人标签、时间戳和不清楚部分处理的准确转录。

转录这段音频录音。

**背景**：${recordingType}（会议、访谈、播客、讲座等）
**预期说话人**：${speakerCount}（${speakerRoles}）
**领域**：${domain}（预期的专业术语：${technicalTerms}）

**输出格式**：
[00:00] **说话人 1（姓名/角色）**：转录的文字在这里。
[00:15] **说话人 2（姓名/角色）**：他们的回应在这里。

**说明**：
- 在自然停顿处包含时间戳（每 30-60 秒或说话人切换时）
- 将不清楚的部分标记为 [听不清] 或 [不确定：最佳猜测？]
- 用方括号注明非语音声音：[笑声]、[电话铃声]、[长时间停顿]
- 只有在有意义时才保留填充词（嗯、啊可以删除）
- 用 → 符号标记任何行动项目或决定

音频描述：${audioDescription}

获取音频内容的全面分析，包括摘要、关键时刻和情感。

分析这段音频录音：

音频描述：${audioDescription}

提供：

**1. 执行摘要**（2-3 句话）
这段录音是关于什么的？主要收获是什么？

**2. 说话人**
- 有多少不同的说话人？
- 特征（如果可辨别）：语气、说话风格、专业水平

**3. 内容细分**
- 讨论的主要话题（附大致时间戳）
- 提出的关键观点
- 提出的问题

**4. 情感分析**
- 整体语气（正式、随意、紧张、友好）
- 值得注意的情感时刻
- 整体的能量水平

**5. 可行动项目**
- 做出的决定
- 提到的行动项目
- 需要的后续跟进

**6. 值得注意的引用**
提取 2-3 句重要引用并附上时间戳

**7. 音频质量**
- 整体清晰度
- 任何问题（背景噪音、打断、技术问题）

获取视频内容的结构化分解，包括时间线、视觉元素和关键时刻。

分析这个视频：${videoDescription}

提供全面分析：

**1. 概述**（2-3 句话）
这个视频是关于什么的？主要信息或目的是什么？

**2. 关键时刻时间线**
| 时间戳 | 事件 | 重要性 |
|--------|------|--------|
| 0:00 | ... | ... |

**3. 视觉分析**
- 场景/地点：这发生在哪里？
- 人物：谁出现了？他们在做什么？
- 物品：展示的关键物品或道具
- 视觉风格：质量、剪辑、使用的图形

**4. 音频分析**
- 语音：主要观点（如果有对话）
- 音乐：类型、情绪、如何使用
- 音效：值得注意的音频元素

**5. 制作质量**
- 视频质量和剪辑
- 节奏和结构
- 对其目的的有效性

**6. 目标受众**
这个视频是为谁制作的？它是否很好地服务了他们？

**7. 关键要点**
观众应该从这个视频中记住什么？

从视频中提取特定信息，附带时间戳和结构化输出。

从这个视频中提取特定信息：

视频类型：${videoType}
视频描述：${videoDescription}

**要提取的信息**：
1. ${extractItem1}
2. ${extractItem2}
3. ${extractItem3}

**输出格式**：
{
"video_summary": "简短描述",
"duration": "估计时长",
"extracted_data": [
  {
    "timestamp": "MM:SS",
    "item": "发现了什么",
    "details": "额外背景",
    "confidence": "高/中/低"
  }
],
"items_not_found": ["列出请求但未找到的任何内容"],
"additional_observations": "任何未明确请求但相关的内容"
}

验证图像是否准确代表其文字描述，反之亦然。

分析这张图像及其配套文字的对齐程度：

**图像**：${imageDescription}
**文字描述**："${textDescription}"

评估：

**1. 准确度匹配**
- 图像是否显示了文字描述的内容？
- 评分：[1-10] 附解释

**2. 文字声明与视觉现实**
| 文字中的声明 | 在图像中可见？ | 备注 |
|--------------|----------------|------|
| ... | 是/否/部分 | ... |

**3. 未提及的视觉元素**
图像中可见但文字未描述的内容有哪些？

**4. 不可见的文字声明**
文字中描述但无法从图像验证的内容有哪些？

**5. 建议**
- 对于文字：[改进以匹配图像]
- 对于图像：[改进以匹配文字]

**6. 总体评估**
这个图像-文字配对对于 ${purpose} 是否可信？

通过同时分析视觉输出和源代码来调试 UI 问题。

我有一个 UI 错误。这是我看到的和我的代码：

**截图描述**：${screenshotDescription}
**问题所在**：${bugDescription}
**预期行为**：${expectedBehavior}

**相关代码**：
```${language}
${code}
```

请帮我：

**1. 根本原因分析**
- 代码中的什么导致了这个视觉问题？
- 具体是哪一行负责？

**2. 解释**
- 为什么这段代码产生了这个视觉结果？
- 底层机制是什么？

**3. 修复方案**
```${language}
// 修正后的代码在这里
```

**4. 预防**
- 将来如何避免这类错误
- 任何需要检查的相关问题

根据你的标准系统地比较多张图像，以做出明智的决定。

我正在为 ${purpose} 在这些选项之间做选择：

**选项 A**：${optionA}
**选项 B**：${optionB}
**选项 C**：${optionC}

**我的标准**（按重要性排序）：
1. ${criterion1}（权重：高）
2. ${criterion2}（权重：中）
3. ${criterion3}（权重：低）

提供：

**比较矩阵**
| 标准 | 选项 A | 选项 B | 选项 C |
|------|--------|--------|--------|
| ${criterion1} | 评分 + 备注 | ... | ... |
| ${criterion2} | ... | ... | ... |
| ${criterion3} | ... | ... | ... |

**加权分数**
- 选项 A：X/10
- 选项 B：X/10
- 选项 C：X/10

**推荐**
根据你陈述的优先级，我推荐 [选项] 因为...

**注意事项**
- 如果 [条件]，请考虑 [替代方案]
- 注意 [潜在问题]

这个提示词明确处理模型看不清楚或不确定的情况。

分析这张图像：${imageDescription}

**处理不确定性的说明**：

如果你看不清楚某些内容：
- 不要猜测或编造细节
- 说："我可以看到 [可见的内容] 但无法清楚地辨认 [不清楚的元素]"
- 建议什么额外信息会有帮助

如果内容似乎受限：
- 解释你能分析和不能分析的内容
- 关注分析中允许的方面

如果被问及人物：
- 描述动作、位置和一般特征
- 不要尝试识别特定个人
- 关注：人数、活动、表情、着装

**你的分析**：
[继续分析，应用这些指南]