dsh-prompt-reverse

dsh-prompt-reverse

从一张图反推提示词——风格槽用算的，语义槽用看的，缺什么就说缺什么。

它和别人的区别（先说清楚，别装）

市场里已经有两个反推类插件：taxue-dsh-artisan 和 dsh-prompt-workshop。它们的做法是把图丢给多模态模型，让模型"看着写"一段 prompt。那样写出来的东西无法验证——你没法知道哪一句是图里真有的、哪一句是模型脑补的。

这个插件把 prompt 拆成两类槽位，分开处理：

槽位	谁来填	依据
风格槽：配色 / 对比度 / 色温 / 饱和度 / 锐度 / 颗粒 / 曝光 / 画幅	插件自己算	像素。每个数字都能复算
语义槽：主体 / 动作 / 情绪 / 镜头 / 风格	你自己的视觉	通过 semantic 参数传进来

插件内部不接任何模型。 它不会替你猜"这是一只猫"——那是你的视觉该干的事。

三个刻意的设计

① 缺的语义槽就报缺，不编造。

没传 semantic 时，输出里会明确写「语义槽未填：subject / action / mood…」。宁可给一个只能确定风格的 prompt，也不给一个看起来完整、其实一半是编的 prompt。

② 负向 prompt 从"偏差"推导，不用模型感觉。

规则是：原图有什么 → 进正向；原图缺什么 → 进负向；落在中性区间 → 两边都不写。

所以它不会对一张本来就模糊的图写 blurry 到负向里（那是"原图有什么"），而是把 soft focus 写进正向、把 over-sharpened 写进负向。

③ 负向只对 SD 系有效，且会明确标出来。

FLUX 一类模型基本忽略 negative prompt。传 target: "flux" 时，插件会把负向省略并说明原因，而不是假装它有用。

用它

reverse_prompt_analyze({
  path: 'D:/pics/foo.jpg',
  semantic: {
    subject: 'a woman in a red coat standing on wet asphalt',
    action: 'looking away from camera',
    mood: 'melancholic, cold',
    camera: '85mm, shallow depth of field',
    style: 'cinematic still'
  },
  target: 'sd'   // 'sd' | 'flux' | 'generic'
})

输出：prompt、negative、missingSemantic、metrics（全部测出来的原始数值）。

阈值怎么标定（当前全是估计值）

cordis.patch.yml 里的每个阈值都注明了**「初始估计值，待标定」**。原因很实在：锐度的绝对值跟分辨率、画面内容强相关，凭感觉拍的数不能当作定论。

标定方法：攒一批真实图片，把 metrics 里的 sharpness / grain / contrast / saturation / brightness / temperature 分布打出来，按分位数（比如 25% / 75%）重新定阈值。在那之前，这些阈值只保证"同一张图每次结果一致"，不保证"分档符合人类直觉"。

它不做什么

• 不做视频分镜表（那是下一步：切帧 + 对每帧循环调用本工具）
• 不内置模型、不上传图片
• 不保证"按这个 prompt 生成就能复现原图"——这需要闭环验证，目前没做。README 里不会写"可复现"这三个字，除非真做过对比

依赖

本机需要 ffmpeg（用它把图片解成原始像素，避免引入 sharp/jimp 这类依赖）。查找顺序：配置 ffmpegDir → 环境变量 FFMPEG_DIR → 已知目录 → PATH。

注意：工作目录默认 ~/.dsh/prompt-reverse/work，不要指向系统临时目录——实测 ffmpeg 写 %TEMP% 会 Permission denied。

已知限制

• 分析在 192×192 缩略图上做（足够算配色/对比/颗粒；细节锐度会偏低，所以锐度阈值偏保守）
• 色温用的是 R−B 均值差，不是真正的白平衡求解；对大面积单色画面会偏
• 语义槽完全依赖调用方诚实——插件无法验证你填的对不对