SILLITER.WANG
博客
返回博客

构建实录 / 2026-06-07

提示词工厂：11 个系列、204 张科普海报的批量生产线

#内容生产#AI绘图#PowerShell#自动化

少儿科普海报生产线成品

这个项目不是应用，是一条提示词流水线：产出喂给 AI 绘图工具的英文提示词文本，由绘图工具生成竖版 3:4 的「博物馆级儿童百科」海报。到目前为止跑了 11 个系列、约 204 条提示词、约 175 张成图——水果/蔬菜/谷物/豆类/坚果五个剖面系列，世界杯三部曲，动物/海洋/危险动物三个自然系列。

它解决的问题一句话能说清：怎么让"再做一个系列"这件事，不需要再做一遍工程。 每个系列都是同一条流水线：

数据(JSON) + 模板(MD) --脚本(PS1)--> 一批提示词(MD) --分组打包--> 笔记包 --AI绘图--> 图片(PNG)

一、数据协议：一条数据，两个受众

每个系列一份 <series>_prompt_data.json，顶层数组、一个元素一张海报。字段设计里有个值得记的决策：同一条数据同时服务两个完全不同的受众——

  • 绘图指令字段（main_visual、habitat_ref）写英文，因为读者是绘图模型；
  • 卡片文案字段（features、fact）写中文，因为它们会被印在海报上给孩子和家长看。

列表型字段用半角分号 ; 分隔（如 "honors": "夺冠5次；1958三度捧杯" 这种写法是错的——必须半角），脚本 -split ";" 后按用途重拼：特征点拼成 · 项目符列表，步骤拼成 → 箭头链。

二、模板 × 脚本：placeholder 替换，没有魔法

生成脚本朴素到只有一个循环：读模板、读 JSON、逐字段 .Replace()、按规范落文件名：

$content = $template
$content = $content.Replace("[ANIMAL_NAME_CN]", $animal.name_cn)
$content = $content.Replace("[MAIN_VISUAL]", $animal.main_visual)
$content = $content.Replace("[FEATURE_POINTS]",
    "· " + (($animal.features -split ";" | % { $_.Trim() }) -join "`r`n· "))
$fileName = "{0:D2}-{1}-{2}.md" -f ($i + 1), $safeName, $animal.name_cn

文件名规范是流水线的粘合剂：{序号两位}-{英文slug}-{中文名}.md，成图文件名 = 提示词文件名换 .png。提示词和图靠文件名一一对应，中间不需要任何映射表。

一个把我坑过的细节：含非 ASCII 的 PowerShell 脚本必须存成 UTF-8 BOM。PS 5.1 对无 BOM 的文件按 GBK 读，· 会变成 路、→ 变成 鈫?——而且是静默地写进几十份产出里。这条教训现在写在项目规范第一屏。

三、doctor：在生成之前拦住错误

流水线的质量闸门是 validate_prompts.ps1——只读不改、FAIL 即 exit 1 的体检脚本。它自动发现所有 generate_*_prompts.ps1，从各脚本的 param 默认值解析出"数据/模板/输出"三件套路径（还兼容水果系列的历史命名），逐系列检查：

  • JSON 可解析、name_cn/name_en 必填、无空字段、无全角分号
  • 模板 placeholder 与脚本 .Replace() 调用静态对应——模板加了 placeholder 但脚本忘了替换，在生成前就被拦下，而不是等 20 份产出里全带着 [MAIN_VISUAL] 字样
  • 输出文件数 = 数据条数、文件名符合规范、无 placeholder 残留
  • 有笔记分组时：覆盖完整、无重复归属、单条不超 18 张

对内容流水线，"静态对应检查"是性价比最高的一条——它把最常见的人为失误（改模板忘改脚本）从"批量污染产出"变成"生成前报错"。

四、笔记分组：系列是内容库，笔记是发布单元

一开始容易犯的错是"一个系列发一条笔记"。实际约束来自平台：小红书一条笔记最多 18 张图，而且 20 张同系列图按顺序切三份，三条笔记就是同一个主题的三次重复。

所以发布单元被单独建模成 <series>_note_groups.json：每条笔记有自己的 slug、中文主题、封面钩子文案和条目清单——20 张的系列拆 3 条笔记，每条必须有不同的细分主题，不许按顺序切块。generate_note_packages.ps1 按分组产出完整的笔记包：封面卡 + 内容卡 + note_copy.md 发布文案 + index.md 顺序清单，发布时照着包发就行。

五、批量出图与密钥纪律

generate_images.ps1 把出图也批量化：读系列提示词目录，逐条 POST 到 OpenAI 兼容中转站的 /images/generations，同名 .png 落进 <series>_images/。密钥只放 .env（gitignore 忽略），项目规范明写：不进 .ps1、不进 CLAUDE.md、不进任何会 commit 的文件。

六、内容红线

给孩子的内容有两条不可协商的线。科普准确性：宁可少写不可写错，只用稳定事实（历史年份、结构原理），会过时的实时数据（世界排名、现役名单）弱化处理，不确定的逐项人工核对，不凭记忆编。版权规避：涉及真实品牌和人物的系列（世界杯队伍），在模板层就禁止真实赞助商 logo、机构徽标、真实人脸——用国旗配色、球衣、符号替代，从源头规避而不是事后审查。

七、新增一个系列 = 补一份数据

流水线的价值最终落在这件事上：新增一个系列的标准流程是 8 步——写数据 JSON（先 1–2 条跑通）、写模板、复制最接近的脚本改字段名、跑生成、写笔记分组、跑打包、跑 doctor、登记使用说明。全程不改流水线本身。11 个系列就是这么长出来的：第一个系列搭流水线花了几天，后面每个系列只是一份数据加一个模板的事。

如果你也在做批量内容生产，这个项目能给的经验有三条：把数据和模板分开（数据变了不动模板，风格变了不动数据）；把质量检查做成生成前的静态拦截（比事后人工看产出便宜一个量级）；把发布单元和内容单元分开建模（平台约束属于发布层，不该污染内容库）。