female-portrait-director：把人像提示词做成可复用 Skill

调人像图的人都干过同一件事：上次好不容易凑出一段能用的提示词，这次换个场景又得从头重写。换成咖啡馆要补光线，换成古风要换服装词，一不小心把「清纯」和「港风」的关键词混到一起，出来的脸就开始串味。更头疼的是那些不可控的地方，明明写了 9:16，出来是方图；明明只想要时尚写真，模型自己加戏。

female-portrait-director 想解决的就是这个「提示词不可复用」的问题。它是一个开源的 AI 人像提示词导演 Skill：你给少量结构化参数，它锁定你明确填的方向，按需只加载一条风格路由，把参数扩写成一段连贯的、像被拍下来的提示词，并附上负面约束。它的价值不在于又给你一套万能提示词，而在于把提示词从一段每次重写的一次性文本，变成一个可复用、可维护、有边界的接口。它真正值得拆的，是背后四个工程支点，也是任何提示词都能照搬的部分。

先说清楚它和手写提示词差在哪

手写一长段人像提示词，问题不在于写得不够好，而在于它是一次性的。换个场景，你要手动改一半词；换个风格，你得记住哪些关键词不能共存；过两周回头看，自己都不知道当时为什么这么写。

把三种做法摆在一起对比，差异很直接：

维度	手写长提示词	提示词模板	提示词 Skill
复用性	低，每次重写	中，复制后手改	高，填参数即可
一致性	看手感	看你改得细不细	由规则保证
可维护	难，散落各处	一般，模板会过期	好，集中改一处
风格隔离	容易串味	靠自觉	按需只加载一条
安全边界	每次靠记	写在注释里	写进规则强约束
上手成本	低	低	中，要先搭结构

模板已经比裸写好很多，这方面可以参考12 种可复用的提示词设计模式。但模板的天花板是「复制后手改」，它管不住风格隔离，也兜不住安全边界。Skill 是再往前一步：把输入收敛成字段，把规则沉淀成文件，让 AI 按规则跑。

30 秒认识 female-portrait-director

这个项目由李岳开发，MIT 许可，截至 2026 年 6 月版本是 V1.4.1，以 Codex Skill 的形态分发，遵循通用的 agent skill 标准（一个带 name 和 description 的 SKILL.md）。装好后在对话里输入 $female-portrait-director 就能调用。

它的工作方式可以用一个最小流程概括：你按模板填几个字段，它返回四段结构化结果。

输入（极简模板）：
风格：清纯生活照
场景：咖啡馆靠窗位
服装：白色针织开衫 + 浅色内搭
气质：干净温柔
画幅：9:16

输出（四段）：
1. 锁定参数：逐字段回显你填的内容
2. 模块分析：五官 / 身形 / 服装 / 场景 / 镜头 / 光线 / 滤镜怎么处理
3. 最终提示词：可直接复制的一段
4. 负面约束：要避免什么

注意输出里没有摘要式罗列。它把你给的几个字段扩写成一个具体画面，这正是它和模板的根本区别。项目自己的说法是：示例用来展示完成度，不是固定模板，每次都该重新选事件、动作和环境细节。

安装与第一次调用

npx 一键安装

最快的方式是 npx 装到全局 Codex skills：

npx skills@latest add liyue-aigc/female-portrait-director -g -a codex -y

以后更新用：

npx skills@latest update female-portrait-director -g -y

手动 git clone

也可以手动 clone 进 Codex 的 skills 目录。Windows PowerShell：

git clone https://github.com/liyue-aigc/female-portrait-director.git "$env:USERPROFILE\.codex\skills\female-portrait-director"

macOS 或 Linux：

git clone https://github.com/liyue-aigc/female-portrait-director.git "${CODEX_HOME:-$HOME/.codex}/skills/female-portrait-director"

装完重启 Codex 或开新对话，输入 $female-portrait-director 触发。这里有个机制值得知道：Codex 用的是渐进式披露（progressive disclosure），平时只把每个 skill 的名称、描述和路径放进上下文，初始列表大约占上下文窗口的 2%，窗口未知时按 8000 字符封顶；只有当它判断要用这个 skill，才会读完整的 SKILL.md。这意味着你装一堆 skill 也不会一直挤占上下文，这一点对理解它的内部设计很关键。具体版本和命令以仓库 README 为准。

拆解一：参数锁定，让你说的不被模型改写

人像提示词最常见的崩法，是模型把你明确要求的东西悄悄改掉。你写了画幅 9:16，它给你方图；你只想要时尚写真，它自作主张加滤镜。

female-portrait-director 的第一层设计就是参数锁定。它定义了 22 个参数字段，从写真风格、场景、服装、配色，到镜头、光线、画幅、平台用途，每个字段都有默认值。规则很硬：锁定用户明确填写的字段，只对缺失字段做合理补全，不替换方向。按项目 FAQ 的解释，锁定的是你选的方向，不是画面细节，所以它不会限制创作，系统照样补自然发生的瞬间、动作链和视线落点。

画幅这种硬控制还要再加一道。项目要求把画幅比例和像素尺寸放进最终提示词的第一句，用你填的确切值。原因就是上面那个老问题：放在中间或结尾，模型容易忽略；放首句当强约束，出图比例才稳。

迁移到你自己的场景，这一层等于给提示词定义了一个带默认值的输入 schema。哪些字段必须由用户说了算，哪些可以自动兜底，先想清楚，提示词才谈得上复用。

拆解二：按需路由，一次只加载一条风格

它支持 14 种风格，从清纯生活照、都市时尚、电商模特，到古风仙侠、港风、新中式。一个自然的疑问是：为什么不把这 14 种全塞进一个超长提示词，让模型自己挑？

因为塞在一起会串味。古风的关键词和港风的关键词同时在场，模型很容易把两边的特征混进一张脸。项目的做法是用一个轻量的风格注册表（style-registry）当唯一分流入口，每个请求只命中并读取一条风格路由文件，其余 13 条根本不进上下文。FAQ 里写得很直白：按需加载能减少无关规则进入上下文，降低风格串味和模板化，也提升处理效率。

这套思路和前面说的 Codex 渐进式披露是同一个工程思想，只是层级不同。Codex 在框架层只先加载 skill 的描述，命中才读全文；female-portrait-director 在 skill 内部又做了一次，只先看注册表，命中才读那一条风格。两层都在回答同一个问题：上下文是稀缺资源，别一次性全塞进去。

迁移点也清楚：当你的提示词要覆盖很多风格、场景或任务类型时，别堆一个巨无霸提示词，用注册表加按需加载的结构，让每次只加载相关的那一小块。

拆解三：模块化导演扩写，把参数变成画面

如果标准输出只是把你填的字段重新排列一遍，那它和模板没区别。female-portrait-director 强调标准输出不能写成摘要，因为摘要不足以稳定控制生图。

它把画面拆成 7 个视觉模块：五官、身形、服装、场景、镜头与姿态、光线、滤镜。标准详版的最终提示词必须正好五段，依次覆盖人物气质、时间切片与动作、身形与服装、场景与镜头、光线与滤镜。所谓导演式扩写，是用一个时间切片加一个小事件、一条动作链、一个视线落点和两三处选择性环境细节，把这些字段融成一个连贯瞬间，而不是把字段堆成清单。

举个直观的差别。摘要式会写「白色开衫，咖啡馆，柔光」。导演式会写成一个被拍下来的瞬间：靠窗的位置，她刚放下杯子，目光落在窗外，午后的光从左侧斜进来。后者能稳定控制生图，前者只能碰运气。

这一层提醒我们：可复用不等于模板填空。结构化是为了稳定，但要给扩写和推理留出空间，否则复用出来的全是千篇一律的图。

拆解四：安全边界与输出格式，可复用更要可控

把一套人像提示词做成谁都能调的 Skill，合规风险会被放大，所以边界必须写进规则，而不是每次靠人记。

female-portrait-director 的安全边界写得很明确：默认生成虚构的、明确成年的女性；身份保真只允许用本人或已授权成年人的参考图；禁止性化未成年、露骨裸露、非自愿图像、欺骗性身份等用途。即便是偏曲线的风格，也要求避免暴露隐私部位和年龄模糊的画面。这些是项目自带的责任使用约束，你在实际生成时还要遵守所在平台规则和当地法规。

输出格式也是一种可控性。它要求最终提示词和负面约束各自用独立的、带 text 标签的代码块，标题留在代码块外，方便直接复制，不把分析混进可复制内容。这个细节看着小，但对复用很重要：调用者拿到的永远是同一种可预期的结构。

照着做：把你的提示词收敛成 Skill 的 5 步

这套思路不只适用于人像。任何你反复重写的提示词，都可以照下面五步收敛成一个 Skill。

1. 抽参数 schema。把你每次都要改的东西列成字段，给每个字段一个默认值。想清楚哪些必须由用户决定，哪些可以兜底。
2. 建注册表按需加载。如果有多种风格或任务类型，做一个轻量入口表，每次只加载命中的那一条规则文件，别全堆在一起。
3. 写导演式扩写规则。规定怎么把字段扩写成连贯结果，而不是把字段重排成清单。
4. 定安全边界与输出契约。把禁止项和输出结构写死，让每次调用都拿到可预期的格式。
5. 打成 SKILL.md。写清 name 和 description，描述要把触发场景和边界讲明白，方便 agent 隐式匹配。

一个最小的 SKILL.md 骨架

按你的领域替换内容即可，这是自写示例，不是项目原文：

---
name: my-prompt-skill
description: 当用户需要 X 类提示词时触发；输入少量字段，输出结构化结果与负面约束。
---

# 流程
1. 读取字段，锁定用户明确填写的项，缺失项用默认值补全。
2. 从注册表选一条匹配的风格/任务路由，只加载这一条。
3. 按导演式规则扩写成连贯结果，不要罗列字段。
4. 输出最终结果和负面约束，各用独立代码块。

落地时几个常见坑，对应修法如下：

现象	原因	修法
用户填的字段被改掉	没做参数锁定	显式回显锁定结果，硬控制进首句
风格串味	多条规则同时进上下文	注册表分流，一次只加载一条
输出变成字段清单	缺导演式扩写规则	规定扩写成连贯画面或结果
装了但不触发	description 太泛	把触发场景和关键词写进 description

它适合谁，不适合谁

不是所有需求都值得做成 Skill。给个判断：

你的情况	建议
经常出同类人像图，想稳定复用	直接装现成 Skill
有自己的领域提示词、反复重写	照这套思路自建
只是临时出一两张图	不用做 Skill，手写更快
涉及真人或参考图	先确认授权和合规，再考虑自动化

female-portrait-director 真正可借鉴的不是它的 14 种风格，而是它把提示词当工程对象来管：输入有 schema，规则按需加载，扩写有方法，边界写进文件。想了解 Skill 这个机制本身，可以先看 Claude Code 的 Skill 功能；想看另一个把重复创作做成流水线的案例，可以看 guizang-social-card-skill；想补人像提示词本身的写法，参考 Stable Diffusion Prompt 模板指南。

结论

female-portrait-director 给人像提示词做了一件大多数人没做的事：把它从一段每次重写的文本，变成一个有输入 schema、按需路由、导演式扩写和明确边界的接口。你不一定要用它的人像功能，但它的四个工程支点可以直接搬到任何你反复调的提示词上。下一步很简单：挑一个你每周都要重写两三遍的提示词，按那 5 步把它收敛成一个 SKILL.md，跑两次看看是不是比手写稳。