Simple_Prompt_Generator
WiNE-iNEFF/Simple_Prompt_Generator加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象你正在用 Midjourney 生成一张赛博朋克风格的城市夜景图，却在「提示词」界面卡了半天——专业摄影师的英文描述太难写，中文翻译又总觉得差点意思。Simple Prompt Generator 正是为解决这个痛点而生：它用词库随机组合的方式，自动生成质量稳定、风格丰富的英文图像提示词，让你从「憋词」中彻底解放出来。 这个项目来自独立开发者 WiNE-iNEFF，GitHub 仓库目前已获得 166 star，Hugging Face 在线 Demo 每月吸引超过 2500 名用户使用，在 AI 图像生成工具类目中属于实用型小而美的代表作。
用 Midjourney、DALL-E、Stable Diffusion 等模型创作时，提示词（Prompt）的质量直接决定生成效果上限。许多用户面临两难困境：要么绞尽脑汁想英文描述，结果词不达意；要么从网上抄别人的提示词，但风格单一、缺乏个性化。专业提示词工程师甚至成为一种新兴职业，收费不菲。
Simple Prompt Generator 的解题思路非常聪明：它不需要训练任何模型，也不需要调用任何 AI API，而是把大量高质量提示词片段整理成两个词库文件（pr1.txt 和 pr2.txt），通过随机组合生成海量变体。用户只需指定「生成多少个词」「包含几位艺术家风格」，就能得到一组独特且质量有保障的提示词。
项目内置两套词库，定位完全不同：
pr1.txt（v0.1 · 精炼质量型）：收录 183 个精选词条，涵盖画面质感关键词（如 photorealistic、hyper detailed、cinematic）、艺术家风格标签（支持指定 N 位艺术家，如 art by peter mohrbacher、art by ilya kuvshinov）以及构图/光线类词汇。数量少但每条都经过验证，生成结果偏「高质量油画/摄影」风格，适合追求精致感的用户。
pr2.txt（v0.2 · 海量标签型）：收录 2411 个词条，规模是 v0.1 的 13 倍，额外增加了大量风格词汇（assasins creed art style、weta digital、unreal engine、cry engine 等游戏/影视资产词汇）、渲染器标签（vray render、octane render）以及更细分的光效词汇（volumetric lighting、radiant light）。数量多意味着组合空间更大，但也需要配合参数调控避免过于杂乱。
命令行调用方式极为简洁：
python main.py -p "pr1.txt" -n 5 -a 2
# -p: 选择词库（pr1.txt 或 pr2.txt）
# -n: 提示词中包含多少个词（默认 10，最多 20）
# -a: 指定包含几位艺术家风格（默认 2）
生成结果示例（pr1.txt + 5词 + 2艺术家）：
galaxy, art by ismail inceoglu, render, detailed, photorealistic, dramatic anime boy, trending on pixiv, full hd, magic circle, landscape, sunsets, flowers, global illumination, block cities, digital painting, mirrors
整个项目的代码只有两个文件：main.py（约 50 行）和词库文件（pr1.txt / pr2.txt）。代码逻辑极为直接：
art by 开头的词条受 -a 参数限制数量while len(sorted(set(generated), key=lambda d: generated.index(d))) < int(num_word):
rand = random.choice(prompt)
if rand.startswith('art by') and int(artists_num) < int(artists):
artists_num += 1
generated.append(rand)
elif not rand.startswith('art by'):
generated.append(rand)
print(', '.join(set(generated)))
技术评价：这个代码几乎没有「护城河」——核心算法是标准库的 5 行代码，任何人都能复制。但它的价值在于词库本身的质量和维护：183 个精选词条是经过大量实验验证的宝贵经验沉淀，pr2.txt 的 2411 条更是涵盖了游戏、影视、摄影等多个艺术领域的关键词。这种「数据驱动」而非「算法驱动」的思路，是该项目最值得关注的特征。
语言：Python，无第三方依赖（仅用 argparse 和 random 两个标准库） 代码质量评分：中等（功能完整但无测试、无类型注解、错误处理缺失） 文档质量：高（README 结构清晰，多平台使用指南完整）
项目提供了 4 种使用方式，覆盖从极客到普通用户：
命令行（适合开发者/自动化流程）：最原始也最灵活的方式，直接运行 python main.py 即可。无需安装任何包，适合集成到 AI 生图工作流脚本中。
GitHub Pages 网页版：通过 index.html 实现的纯前端 Web UI（项目首页：https://wine-ineff.github.io/Simple_Prompt_Generator/），无需注册、即开即用，适合不想装任何东西的用户。
Hugging Face Gradio Demo：托管在 Hugging Face Spaces 上的交互式 Demo（https://huggingface.co/spaces/WiNE-iNEFF/HF_Simple_Prompt_Generator），有滑块和下拉菜单，月活 2500 用户说明其稳定性和可用性已被广泛验证。
GitHub Releases 桌面应用：提供打包好的可执行文件下载，双击即用，适合 Windows/macOS 用户，无需安装 Python 环境。
Google Colab Notebook：提供了对应的 Colab notebook 地址，方便在 Google 云端 GPU 上直接跑，配合 AI 生图工具使用。
这是本报告分析过最容易部署的项目之一：
快速部署建议：推荐直接使用 Hugging Face Gradio Demo，无需任何配置。如果需要本地运行，克隆仓库后执行 python main.py -p "pr1.txt" -n 10 即可。
没有任何项目是完美的，Simple Prompt Generator 也不例外：
随机性的双刃剑：随机组合固然能产生多样化的结果，但无法精确控制最终风格。用户可能需要多次生成才能得到满意组合。对于需要精准控制的商业项目，这种「抽奖式」生成可能不够可靠。
词库质量依赖人工维护：pr1.txt 的 183 条是精挑细选的，但随着新模型（Flux 1.1、Stable Diffusion 3.5 等）的涌现，提示词风格也在快速演变，词库需要持续更新维护，目前看来更新频率并不规律（从 README 看，2024年12月更新了 SD3.5 示例，但主代码近年无大改）。
版权争议：词库中包含大量艺术家名字（如 peter mohrbacher、ilya kuvshinov 等），这些艺术家的风格描述被直接纳入提示词生成过程，在 AI 生图版权争议不断的当下，这种使用方式存在一定的法律灰色地带，用户需自行评估。
非 AI 驱动：核心不涉及任何机器学习，纯靠规则组合。这既是优势（零门槛、零成本），也是劣势（无法学习用户偏好、无法个性化）——它更像是一个「高级随机数生成器」而非真正的智能工具。
Simple Prompt Generator 所在的「AI 图像提示词工具」赛道近年来异常火热。从 Disco Diffusion 时代的手写长提示词，到 Midjourney v6 的自然语言对话式生成，再到 Stable Diffusion 3 的复杂构图控制，提示词工程（Prompt Engineering）已从边缘技能演变为 AI 创作的核心竞争力。
该项目代表了这一演变的中间态：它不需要 AI 来生成提示词，而是用结构化词库解决「词穷」问题。这种「结构化随机」的方法在某些场景下（快速探索、小批量生成）比纯 AI 生成更可控、比人工编写更高效。
从增长角度看，该项目 166 star 的体量说明它不是「顶流」但也不是「冷门」——在纯提示词工具这个细分领域，它的实用性和易用性使其拥有一批稳定的拥趸。Hugging Face Demo 月活 2500 的数据也印证了其真实使用价值。
如果你经常使用 Midjourney、Flux 或 Stable Diffusion，并且对英文描述感到头疼，这个工具值得一试——它不会取代你的创意，但可以大大减少「憋词」的痛苦。
图1：Flux 模型使用 Simple Prompt Generator 生成的提示词效果 — 光效与空间感组合
图2：Flux 模型生成 — 艺术家风格混搭示例（peter mohrbacher + wayne barlowe 风格）
图3：Stable Diffusion 3.5 生成 — 戏剧性构图示例