从 Prompt 到 Skill，把创意流程做成系统

很多人第一次接触 AI 创作，会把注意力放在 Prompt 上：怎样写得更完整、怎样加更多风格词、怎样让这一次结果更接近预期。

Prompt 当然重要，但它通常只解决一次生成。输入稍微变化，换成一张照片、一组参考图或一个更抽象的主题，原来的句子就可能失效。真正需要被保存的，不是那句话，而是它背后的判断：为什么这里要留白，什么应该成为视觉重心，哪些参考特征可以复用，什么结果必须被判定为失败。

我理解的 Skill，就是把这些原本藏在脑中的判断，整理成 AI 可以重复执行、使用者可以检查、失败后可以继续修正的方法。

Prompt 和 Skill 的区别

Prompt 更像一份这次要做什么的委托。它描述主题、画面、材质和形式，目标是获得一个结果。

Skill 则要回答更多问题：收到不同类型的输入时应该走哪条路线；哪些规则始终保留；哪些变量可以自由变化；需要调用什么工具；结果生成后由什么标准判断是否合格；如果失败，应该回到哪一步修改。

这也是为什么一条很长的 Prompt 并不自动等于一个好 Skill。内容越长，只代表写入的信息越多，不代表工作流更清晰。真正的区别在于，Skill 是否把输入、判断、执行和验收连成了闭环。

第一步不是写规则，而是记录判断

很多审美判断最初只有一句“感觉不对”。如果直接把它翻译成“更高级”“更有氛围”“更像杂志”，AI 很难稳定执行，因为这些词没有说明哪里不对，也没有提供可观察的标准。

我会先把感觉还原成具体问题。例如一张海报显得拥挤，原因可能不是元素太多，而是主体比例过大、文字和图像争夺同一层级、色彩强调出现了两次，或者留白被均匀分配后失去了方向。只有把判断落到画面结构上，它才有机会成为规则。

这个过程不是消灭直觉，而是追问直觉在看什么。设计师仍然负责决定什么值得保留，Skill 负责把已经说清楚的判断稳定地带到下一次任务里。

把参考图拆成固定规则和可变规则

参考图最容易带来两个相反的问题。一种是提取过少，只得到“极简、纸张、复古”这类宽泛标签；另一种是提取过多，把原图文字、品牌标记、具体构图和偶然元素一起复制下来。

我会把参考拆成三层：跨样本反复出现的固定规则、可以随内容变化的变量，以及只属于某一张图的样本残留。

• 固定规则决定系统的身份，例如留白比例、纸张触感、字体克制程度和视觉重心数量。
• 可变规则为创作留出空间，例如主体是什么、出现在什么位置、使用哪一种强调色。
• 样本残留需要主动剔除，例如原图文字、品牌、人物身份或一次性的图形符号。

规则不是为了让每张图长得一样，而是为了让不同结果仍然共享同一套判断逻辑。

根据输入选择不同路线

一个可复用 Skill 不能假设用户每次都从一句话开始。有人只有一个主题，有人提供自己的照片，有人想分析一整个参考文件夹，也有人暂时只需要最终 Prompt。

以 GC Minimal Zine Poster 为例，目前保留了五条明确路线：

1. Generate：从内容理解到视觉隐喻、Prompt、图片生成与结果检查。
2. Photo Input：先声明照片角色和保真等级，再编辑真实目标图片。
3. Reference Analysis：读取实际参考文件，区分证据、共同规则与样本残留。
4. Prompt-only：只交付最终 Prompt，不把未发生的生成说成已经完成。
5. Analyze + Generate：先提取系统，再用系统生成新的构图。

路线分开之后，Skill 才不会用同一种处理方式应付所有请求。对照片任务来说，主体保真可能比风格强度更重要；对参考分析来说，诚实说明观察范围比立即出图更重要。

把 Prompt 变成编译结果

在这套工作流里，Prompt 不是起点，而是前面一系列判断的编译结果。

它需要明确画布与材质、主体或视觉事件、构图与留白、字体与文字密度、色彩强调，以及需要避免的方向。更重要的是，它必须写清画面中真正可见的载体：是照片裁切、纸片、墨块、标本、印刷插图、纹理窗口，还是字体本身。

如果只写抽象概念，模型可能把设计术语按字面画出来。v0.3.1 的一次真实修正，就是把容易被误解的抽象构图表述，改成更具体的视觉重心和可见载体，并把无关船用符号与通用图标加入质量检查。

这类修正不是继续堆提示词，而是找到错误发生在哪一层，再修改真正导致错误的规则。

生成之后必须有质量检查

只要图片成功返回，并不代表任务完成。Skill 还需要检查结果是否遵守了原本的判断。

对极简纸张海报来说，我会检查：留白是否仍然占主要比例；主体是否足够小且清楚；强调色是否真的只有一个重心；文字有没有变成长段干净排版；画面是否滑向商业广告、电影感布光、3D 渲染或密集拼贴；使用照片时，需要保留的人物身份和服装是否发生偏移。

检查标准必须能够指出失败原因。只有这样，下一轮才能修改主体、构图、载体或约束，而不是重新抽一次随机结果。

什么内容值得做成 Skill

并不是每一个好 Prompt 都需要升级成 Skill。我会看三个条件：这个任务是否反复出现；结果好坏是否依赖一套可以说清楚的判断；失败是否能够通过规则和检查被定位。

如果只是一次性的灵感实验，保留 Prompt 就够了。如果同类任务不断重复，每次都要重新解释相同要求，而且使用者已经能判断什么是好、什么是坏，那么它才值得被整理成 Skill。

Skill 也不是替代审美。它不会替我决定什么值得做，而是逼我把自己的决定说清楚，并让这套方法接受真实输入、失败案例和后续反馈的检验。

从一次生成到可持续的方法

我越来越在意的，不是这一张图有没有偶然地成功，而是成功的原因能不能被保留，失败的原因能不能被找到，方法能不能交给下一次任务继续使用。

从 Prompt 到 Skill，本质上是从描述结果转向设计过程：先理解输入，显性化判断，区分固定与可变规则，选择执行路线，编译 Prompt，再用质量标准检查输出。

工具会变化，模型也会变化。能够留下来的，是定义目标、表达需求、判断结果，以及把经验继续沉淀成工作流的能力。

完整的公开实现、安装方式和示例可以查看 GC Minimal Zine Poster 作品页 或 GitHub 仓库。