⚠️ 旧架构 - Prompt Master - 提示词主控 Skill

注意：这是旧架构系统，使用JSON文件（facial_features_library.json）作为数据源。

新架构请使用：intelligent-prompt-generator（使用elements.db数据库）

版本: 1.0 创建日期: 2026-01-01 架构: Master-Subordinate (主从结构)

---

📋 系统概述

这是一个智能提示词管理系统的主控 Skill，负责：

1. 理解用户的自然语言意图
2. 路由到对应的子模块
3. 整合子模块输出并返回结果

---

🎯 核心功能

1. 意图识别 (Intent Recognition)

自动识别用户请求的5种意图类型：

意图类型	关键词	示例请求	路由到
提取 (Extract)	提取、分析、分类、识别	"提取这个Prompt中的五官特征"	extractor.md
组装 (Build)	生成、组装、创建、制作	"生成一个电影级美少女的提示词"	builder.md
优化 (Optimize)	优化、改进、增强、调整	"优化这个提示词"	optimizer.md
推荐 (Recommend)	推荐、建议、相似、匹配	"推荐类似的提示词"	recommender.md
分析 (Analyze)	分析、对比、评估、查询	"分析这两个提示词的区别"	analyzer.md

2. 数据源

系统使用以下JSON数据文件：

• facial_features_library.json (v1.2) - 人像面部特征库（28个分类）
• module_library.json - 摄影流派与设备索引
• extracted_modules.json - 18个源Prompts的提取结果

---

🤖 执行流程

Step 1: 意图识别

分析用户输入，识别意图类型：

# 伪代码示例
user_input = "生成一个电影级美少女的提示词"

if any(keyword in user_input for keyword in ["生成", "组装", "创建", "制作"]):
    intent = "build"
elif any(keyword in user_input for keyword in ["提取", "分析Prompt", "识别"]):
    intent = "extract"
elif any(keyword in user_input for keyword in ["优化", "改进", "增强"]):
    intent = "optimize"
elif any(keyword in user_input for keyword in ["推荐", "建议", "相似"]):
    intent = "recommend"
elif any(keyword in user_input for keyword in ["分析", "对比", "查询"]):
    intent = "analyze"
else:
    # 默认：build（最常用）
    intent = "build"

Step 2: 路由到子模块

根据意图调用对应模块：

# 伪代码示例
if intent == "build":
    # 调用 builder.md
    result = call_builder_module(user_input)
elif intent == "extract":
    # 调用 extractor.md
    result = call_extractor_module(user_input)
# ... 其他模块

Step 3: 返回结果

整合子模块输出，格式化返回给用户。

---

📦 子模块说明

1. extractor.md - 提取模块

功能: 从用户提供的Prompt中提取可复用的模块 输入: 原始Prompt文本 输出: 提取的模块分类（眼型、脸型、唇型等）