Prompt Manager — 本地 AI 绘画提示词管家，让创作素材井然有序

深夜的创作困境：堆满文件夹的"咒语"

凌晨两点，AI 绘画爱好者小林又打开了 Stable Diffusion，准备复刻上周偶然跑出的一张满意作品。那张图的提示词当时没来得及整理，现在只记得大概——"赛博朋克风格的城市夜景，加上霓虹灯光效果，还有……那个什么色调来着？"

他翻遍了桌面文件夹、D盘图片目录、甚至微信聊天记录，就是找不到那条提示词。那张图也淹没在几百张同类型作品里，靠缩略图根本分辨不出来。

这样的场景，对每一个 AI 绘画玩家来说都不陌生。提示词散落在各个角落、参考图和成品混在一起、辛苦调好的"咒语"下次就忘了怎么写——Prompt Manager 正是为解决这些痛点而生。

项目起源：一个绘画社区的"刚需"

Prompt Manager 由个人开发者 vioaki 创建，最初动机来自 Nano Banana、Qwen Image Edit、Seedream 等国产多模态模型的兴起。这类模型支持上传多张参考图来控制生成风格，但市面上的提示词管理工具普遍缺乏对"多图+排序"场景的支持。

作者在个人绘画社区中观察到这一需求后，决定自己动手打造一个完整的解决方案：既能管理提示词模板，又能归档参考图，还能通过画廊形式直观浏览自己的作品库。

项目采用 MIT 开源许可证，代码完全公开，在 GitHub 上已积累 122 颗星。

核心功能：提示词管理的"瑞士军刀"

沉浸式瀑布流画廊

画廊页采用瀑布流（Masonry）布局，支持图片、GIF 和 MP4/WebM 视频混排。视频在列表中以封面图加播放角标展示，点击进入详情页才播放，大幅降低页面加载负担。内置深色/浅色模式一键切换，适合不同光照环境下的创作参考。

多参考图 + 拖拽排序

这是 Prompt Manager 最具特色的功能。对于图生图（Img2Img）作品，系统支持上传多张参考图，并通过拖拽自由调整顺序——这对使用 ControlNet、IP-Adapter 等控制工具的用户尤为重要，参考图的顺序直接影响生成结果的风格倾向。

同时提供"图片占位符"功能，用于表示不固定的参考图位置（比如"任意背景图"），避免强迫用户每次都要准备完整素材。

交互式变量模板

Prompt Manager 支持在提示词中使用 {{变量名}} 语法定义动态参数：

A portrait of {{Character}} in {{Style}} style, {{Background}} background

详情页会自动解析这些变量，生成对应的输入框。用户填入具体值后可以实时预览修改后的完整 Prompt，一键复制时变量会自动替换为当前填入的值。这一设计极大提升了风格模板的复用效率——写好一个框架模板，后续只需填入不同参数即可批量生成变体。

完善的内容审核与数据管理

系统内置"待审核 → 已发布"的二级审核流，管理员可通过后台对作品进行通过/删除操作，且支持为画廊页和模板页分别设置自动通过或人工审核策略，适合团队协作或开放社区场景。

数据导出方面，支持一键生成包含原图、提示词和元数据的 ZIP 数据包，方便备份或在多实例间迁移。

界面预览：现代化的审美体验

技术架构：Flask 蓝图模式的轻量实现

项目基于 Flask 框架，采用 MVC 模式的变体实现：

• blueprints/ — 路由蓝图，按后台管理（admin）、认证（auth）、公共页面（public）三大模块组织，职责清晰
• services/ — 核心业务逻辑，包括图片处理（缩略图生成、视频封面提取）、数据导入导出等
• models.py — SQLAlchemy ORM 模型定义，统一管理数据库结构
• config.py — 配置加载，支持从 .env 文件读取数据库类型（SQLite/MySQL/PostgreSQL）、存储方式（本地/S3）等参数

主要依赖：

依赖	用途
Flask-SQLAlchemy	ORM 数据库抽象
Flask-Login	用户认证与会话管理
Flask-WTF	表单处理与 CSRF 保护
Pillow	图片处理与缩略图生成
Gunicorn	生产环境 WSGI 服务器
boto3 / pymysql / psycopg2	多数据库与 S3 存储支持

值得注意的是，项目本身并非 AI/ML 框架，而是一个 AI 创作工具。系统不训练模型、不调用 API 生成内容，而是帮助用户管理创作素材与提示词——因此"AI 框架"字段填写为"Not specified"。

部署体验：5 分钟开箱即用

Prompt Manager 的部署体验是该项目最值得称道的亮点之一。

Docker 一键部署（推荐）

克隆项目后，一条命令即可启动：

docker compose up -d

默认绑定 5000 端口，使用 SQLite 本地存储，账号 admin / 123456 登录即用。docker-compose.yml 已包含健康检查（healthcheck）和日志轮转配置，生产环境开箱即用。

进阶配置

通过创建 .env 文件，可以切换到 MySQL/PostgreSQL 数据库、接入 S3 兼容存储（支持任意 S3 协议的 OSS、COS、MinIO 等）：

DB_TYPE=mysql
DB_HOST=localhost
DB_USER=root
DB_PASSWORD=***
DB_NAME=promptmanager
STORAGE_TYPE=cloud
S3_ENDPOINT=https://s3.amazonaws.com
S3_ACCESS_KEY=your_key
S3_SECRET_KEY=***
S3_BUCKET=your_bucket

源码部署

git clone https://github.com/vioaki/Prompt-Manager.git
cd Prompt-Manager
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
python manage_db.py
gunicorn -w 4 -b 0.0.0.0:5000 app:app

硬件需求：纯 CPU 运行，无需 GPU。最低 1 核 1GB 内存即可流畅运行，Pillow 图片处理为 CPU 密集型，主流电脑均可胜任。

API 扩展：自动化工作流的桥梁

系统提供 RESTful API，支持第三方工具集成：

# 上传作品
curl -X POST https://your-domain.com/api/upload \
  -F "image=@photo.jpg" \
  -F "title=赛博朋克夜景" \
  -F "prompt=sci-fi city night, neon lights" \
  -F "tags=赛博朋克,夜景"

画廊数据查询支持分页、关键词搜索、标签筛选、热度和随机排序：

GET /api/gallery?page=1&per_page=20&q=赛博朋克&tag=夜景&sort=hot

上传接口默认免 CSRF，便于自动化脚本调用；生产环境可通过配置 API_UPLOAD_TOKEN 开启令牌鉴权。

局限与争议

1. 默认凭证风险：系统以 admin / 123456 作为默认账号，官方 README 已提示"部署后立即修改密码"。但对于不了解安全实践的新用户，可能直接在公网暴露未修改的默认账号，这是潜在风险。
2. 多媒体处理依赖 Pillow：视频封面提取和缩略图生成依赖服务端处理，高并发场景下可能成为性能瓶颈。
3. 非 AI 生成工具：部分用户可能误解项目为 AI 绘画工具，实际上它仅是提示词和素材管理平台，不生成任何内容。

行业意义：小工具的大价值

Prompt Manager 的出现反映了一个趋势：随着 AI 创作工具的普及，"创作管理"类工具的需求正在快速增长。Stable Diffusion、Midjourney、Flux 等工具让每个人都能轻松生成图片，但随之而来的素材管理、提示词积累、风格复用问题却少有人关注。

vioaki 精准捕捉到了"多图参考 + 拖拽排序"这一细分场景，填补了主流提示词管理工具（如 PromptPerfect、PromptBase）的功能空白——后两者更偏向模板交易和优化，缺少本地化的素材归档能力。

从技术选型看，Flask 的轻量化+Docker 的开箱即用+多数据库支持，让它的用户群体从"懂技术的开发者"延伸到了"普通绘画爱好者"，这是项目最大的价值所在。