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

你第N次打开ChatGPT或Claude，复制粘贴一长串英文人像提示词，改几个词再生成。换了个场景，风格突然串味了。想调年龄、暴露度这些敏感参数，生成结果总偏离预期。每次都从零开始重写，太累了。

female-portrait-director 把这些问题收敛成一个可复用的 Skill。它不是提示词合集，而是结构化提示词生成与视觉导演系统。四个工程支点让它能从零散手写变成可加载的系统：参数锁定、按需路由、模块化导演扩写、安全与输出格式。理解这套设计，你既能用好这个项目，也能动手把自己反复重写的提示词收敛成一个 Skill。

项目是什么：不是提示词合集，是可扩展框架

female-portrait-director 是结构化提示词生成与视觉导演系统，面向 AI 图像创作，明确限定为成年女性写真。截至 2026-06，项目版本 V1.4.1，以仓库 README 为准。

它不是一堆提示词模板供你复制粘贴，而是可扩展的 Skill 框架。所谓 Skill，在 Claude Code 和 Codex 的语境里，就是把指令、资源和可选脚本打包成一个目录，通过 SKILL.md 描述自己能做什么，让 agent 按需加载执行。如果你还没接触过 Skill 机制，可以先看这篇Claude Skill 功能解读了解前置概念。

这个项目内置了截至 V1.4.1 共 14 条风格路由，包括清纯生活照、都市时尚、古风仙侠、电商模特、港风、法式、新中式、运动、旅行、影楼精修、东方丰腴、清冷/明媚古风增强等。路由是按需加载的风格定义文件，每次只选一条，避免不同风格的规则混在一起串味。

四个工程支点总览

female-portrait-director 能把人像提示词变成可复用系统，靠的是四个设计支点：

1. 参数锁定：用户明确填写的字段不被改写、合并或省略，系统只补全缺失项
2. 按需路由：每次只加载一条风格文件，减少无关规则进上下文
3. 模块化导演扩写：按五段结构生成完整提示词（人物/气质→姿态/动作→身形/服装→场景/镜头→光线/滤镜）
4. 安全与输出格式：限定成年女性、禁未成年/露格/非自愿，输出用代码块便于复制

这四点不是孤立的。参数锁定保住你的控制权，按需路由防止风格串味，导演扩写保证输出完整可执行，安全边界规避合规风险。后面逐章展开。

参数锁定：你的方向不会被擅自改写

参数锁定听起来有点硬，核心逻辑其实很简单：你明确填写的字段，系统不擅自替换、合并或省略。

很多人写人像提示词时，先把风格、服装、气质写清楚，比如”都市时尚、黑色西装、干练”。生成结果却变成”都市街头、休闲装扮、慵懒”。风格勉强对，细节全偏了。问题出在哪里？手写提示词里没有明确的锁定机制，agent 或模型容易在补全时用自己的偏好覆盖你的输入。

female-portrait-director 用 schema 定义了 22 个参数字段，包括写真风格、场景、服装、配色、气质、年龄特征、五官、身形、镜头、光线、滤镜等。你填了哪个字段，那个字段的值就被锁定进输出。系统只对缺失字段做合理补全，不替换你给的方向。

KiloClaw - 企业级 OpenClaw 托管服务，赋能 AI Agent 自动化编排与智能模型路由

立即开始 →推广

官方 FAQ 用一句话解释了边界：“锁定的是方向，不是画面细节。“什么意思？你填”古风仙侠、白衣、清冷气质”，这三个方向不会变。但具体是”站在竹林边回眸”还是”提灯走过石桥”，这种自然瞬间、动作链、视线落点由系统智能补全。锁大方向，放小细节。

这和手写一段提示词不一样。手写时你可能把”白衣、清冷”混在一长串英文里，agent 容易漏掉或误解优先级。Skill 化之后，参数有 schema 字段名、有锁定逻辑、有输出验证。如果你之前用过提示词模板，这篇提示词模板库讲了模板复用的思路，本篇则是从模板进阶到可加载、可锁定的 Skill 框架。

按需路由：每次只读一条风格，避免串味

为什么要每次只加载一条风格路由？

假如你把清纯生活照、都市时尚、古风仙侠的规则都塞进一个 Skill 里，agent 初始就要读几百条互斥的指令。清纯风格的”自然光、日常妆”和都市时尚的”精修妆、强对比光”会同时进入上下文。生成结果容易串味：你选了清纯，输出却带着都市时尚的妆面。

female-portrait-director 用 style-registry 作唯一分流入口。注册表列出截至 V1.4.1 共 14 条已实现风格，每条指向独立的 route 文件。每次请求，agent 先读 style-registry，选一条主路由，然后只加载那条 route 文件，再加相关的 core 模块（如五官、身形、光线等视觉补全库）。

加载顺序是：

1. SKILL.md 主流程
2. style-registry（选一条主路由）
3. 选中的 route 文件
4. 按需加载 core 模块（五官、身形、光线等）
5. 可选 overlay（兼容叠加）

这个设计对应了 Codex 框架里的”渐进式披露”原则：agent 初始只加载 name、description 和路径信息，决定使用时才读完整 SKILL.md。female-portrait-director 在 Skill 内部又做了一层按需路由，进一步压低上下文占用，减少模板化和串味。

Route 数量会随项目更新变化，正文中标注截至 V1.4.1 共 14 条，以仓库 README 为准。

五段式导演扩写：提示词如何生成

参数锁定保住方向，按需路由防止串味，但最终生成一条完整可执行的提示词，还需要模块化扩写。

female-portrait-director 的标准详版输出里，最终融合提示词必须正好五段：

1. 人物/年龄/五官/妆容/气质：主体定位，比如”25岁女性、圆脸、清透妆、清冷气质”
2. 时间切片/小事件/姿态/动作链/视线：发生的事，比如”清晨、站在窗边、侧身回眸、视线落向窗外”
3. 身形/线条/服装结构/配色/材质/配饰/可见华丽度：外观细节，比如”纤细身形、白色丝绸长裙、简约银饰、低调华丽”
4. 场景/环境细节/景深层次/镜头/构图/景深：空间与镜头，比如”室内晨光、窗纱透光、中景、平视构图”
5. 光线方向/布光/高光阴影/滤镜/色彩/质感：视觉氛围，比如”侧逆光、柔和阴影、低对比滤镜、冷色调”

这五段不是让你逐字抄，而是导演扩写的结构骨架。你输入几个关键字段（风格、服装、气质），系统在选定路由的基础上，补全姿态、动作链、场景细节、光线方向这些自然发生的瞬间。

官方 FAQ 明说：“示例不能直接复制，示例展示完成度，不是固定模板。“为什么？因为你下一张图的场景、服装、气质会变，硬抄一段成品提示词反而更难适配。不如用这个结构，每次让系统按你的参数和选定路由扩写。

如果你之前看过这篇Stable Diffusion Prompt 模板指南，那里讲的是手写人像提示词的技巧，本篇则是把这些技巧封装进可自动执行的 Skill 结构里。

四段式输出格式：代码块可复制

输出格式是最后一道工程防线。female-portrait-director 的标准详版输出固定四段：

🔥 别在没有需求的产品上白干3个月！用一顿饭的预算，在 Adsterra 快速验证你的 SaaS 卖点 →

立即测试 →推广

1. 锁定参数：逐字段列出你明确输入的内容，标注哪些被锁定、哪些是系统补全的默认值
2. 模块分析：按五段结构解释导演扩写的决策，比如为什么选这个姿态、为什么用这组光线
3. 最终提示词：用带 text 标签的 Markdown 代码块包裹，可以直接复制粘贴到生图平台
4. 负面约束：同样用 text 代码块，列出不该出现的内容，比如”未成年特征、露格、非自愿表情”

为什么要这样输出？直接给一段提示词不就够了吗？

不够。锁定参数让你知道哪些方向被保住了，模块分析解释扩写的逻辑（方便你判断是否要调参数），负面约束防止生成结果踩坑。这四段分开，不混在一起，避免了手写提示词常见的”一个长段落、找不到重点、不知道哪句生效”的问题。

代码块用 text 标签而非 plaintext，是因为部分生图平台对格式敏感，text 是更通用的标签。你复制代码块里的内容，粘贴到 Midjourney、Stable Diffusion、DALL-E 或其他平台，不用再手动清理。

安全边界：成年女性、禁未成年/露格/非自愿

安全边界不是装饰，是这个项目能落地的前提。

female-portrait-director 明确限定：仅生成成年女性写真。禁止未成年特征、露格裸露、非自愿表情、欺骗性身份伪造。参考图身份保真仅限本人或已授权的成年人肖像。

这些规则写在 README 和 SKILL.md 里，不是可选建议，是硬约束。你调用这个 Skill 时，系统会检查输入参数是否符合边界。如果填了”未成年”或类似字段，输出会被拒绝或强制修正。

为什么要这样设计？人像生成领域，合规风险比技术风险更致命。生成未成年肖像、非自愿姿态、伪造身份证件照，在很多平台和地区直接违规。Skill 把边界写进系统逻辑，而不是靠用户每次手动判断，降低了踩坑概率。

使用时请注意：遵守所在平台与当地法规。这个 Skill 只能帮助你在合规范围内更高效地生成人像提示词，不能绕过任何法律或平台限制。

安装与调用：三步上手

安装命令可能随版本更新变化，正文标注截至 2026-06，以仓库 README 为准。

基本步骤：

1. 在终端运行安装命令。README 提供的示例是 npx skills@latest add liyue-aigc/female-portrait-director -g -a codex -y，但不同版本的命令格式可能调整，先去仓库确认最新写法。
2. 安装后，Skill 会出现在你的 Codex skill 列表里。可以用 $skills 查看已安装项。
3. 调用时输入 $female-portrait-director，加上你的参数，比如风格、场景、服装、气质。

如果你习惯用 Claude Code 而非 Codex，README 是 Codex skill 形态分发，SKILL.md 遵循通用 agent skill 标准。理论上可被兼容该标准的 agent 复用，但具体适配情况以仓库说明为准，不要断言”同时官方支持 Claude Code”。

安装过程本身不复杂，关键是确认你用的 agent 是否支持 Skill 加载机制，以及命令格式是否和当前版本对齐。

Vultr - 高性能 NVMe 云服务器，32 个全球节点可选，支持一键部署 Docker

查看定价 →推广

自建 Skill 迁移：五步法

看完 female-portrait-director 的设计，你可能会想：我能不能照着它的思路，把自己反复重写的提示词收敛成一个 Skill？

可以。核心是这五步：

1. 提取可复用部分：把你手写提示词里的稳定字段找出来。比如你经常写人像，风格类型（古风/都市/清纯）、服装、气质、光线方向可能是每次都要填的；而具体姿态、场景细节每次在变。稳定字段是可复用部分，变的部分留给系统补全。

2. 创建 SKILL.md：这是 Skill 的入口文件，必须包含 name、description，告诉 agent 这个 Skill 能做什么、什么时候该用它。description 是触发匹配的关键，写清楚”生成 X 类型的提示词”比写宽泛的”帮助创作”更容易被正确调用。

3. 定义参数模式：用 schema 或类似结构，把可复用字段定义成参数。每个参数要有说明、默认值、边界（比如年龄范围、合规限制）。female-portrait-director 用了 22 个字段，你可以从少开始，先锁定 5-10 个核心参数。

4. 实现按需路由：如果你有多个风格或场景类型，不要把规则全塞进一个文件。用注册表分流，每次只加载一条路由。这样能避免串味，也能压低上下文占用。

5. 测试与迭代：先跑几组参数，看输出是否符合预期。锁定参数是否被保住，补全部分是否合理，输出格式是否可直接使用。迭代调整 schema 字段、路由内容、补全逻辑。

这五步不是一次就能完美。female-portrait-director 从 V1.2 到 V1.4.1 经历了多次拆分和重构，才把轻量核心、按需路由、导演扩写、视觉补全库这套结构稳定下来。

如果你想看另一个 Skill 化的案例，这篇guizang-social-card-skill把小红书图文和公众号封面做成流水线，思路和 female-portrait-director 类似：把重复创作收敛成可加载的结构化系统。

相关资源与下一步

如果你想继续深入：

• Claude Skill 功能解读：了解 Skill 机制的前置阅读
• 提示词模板库：从模板复用进阶到 Skill 框架
• Stable Diffusion Prompt 模板指南：手写人像提示词技巧，对照 Skill 化的差异
• guizang-social-card-skill：另一个 Skill 化案例，看不同场景如何应用这套思路

female-portrait-director 仓库：https://github.com/liyue-aigc/female-portrait-director

易变事实说明

截至 2026-06，项目版本 V1.4.1，Route 数量 14 条，安装命令以仓库 README 为准。版本更新后这些数据可能变化，建议直接查看仓库确认最新状态。

结论

female-portrait-director 用四个工程支点把 AI 人像提示词变成可复用系统：参数锁定保住你明确填的方向，按需路由防止风格串味，五段式导演扩写生成完整可执行的提示词，安全边界规避合规风险。

看完这个案例，你可以动手把自己反复重写的提示词收敛成一个 Skill：先提取稳定字段，创建 SKILL.md，定义参数模式，实现按需路由，测试迭代。不用一次性做完美，female-portrait-director 也是从 V1.2 演到 V1.4.1 才稳定下来。

如果你有 Skill 化的经验或踩过的坑，评论区分享。