极简诗意的 Landing Page，一键拖拽即可开始视觉解构。
上传图片后，AI 自动将视觉语言拆解为主体、环境、构图、光照、情绪、风格六大维度卡片，支持微调权重。
中英文提示词在首次分析时同步生成，点击即切换，无需二次调用模型。
自动从分析结果中提取高阶视觉术语，提供定义、应用指导与多轮追问能力，构建个人创作词典。
所有分析历史以缩略图瀑布流展示，支持批量选中、JSON 导入导出与关键词搜索。
将分析结果打包为结构化评审包，导出给 GPT / Gemini 等外部 AI 评审后，回灌标准反馈生成可回滚的优化记忆卡。
在以 Midjourney、Stable Diffusion 和 DALL-E 为核心的 AI 视觉创作时代，创作者面临的痛点已不再是“如何生成一张图”，而是“如何精准控制与沉淀自己的视觉语言体系”。
当前市面上的提示词反推工具（如 CLIP、简单的 LLM 问答）普遍存在以下三大痛点：
- 单点式工具，无资产沉淀：简单的“图片上传 -> 文本生成”无法保存历史记录，创作者无法将灵感沉淀为结构化资产。
- 高昂的推理成本与延迟：为了在不同语种（如中/英）中切换对比，需要重新调用昂贵的多模态大模型进行二次分析。
- 微调时的破坏性重写：当用户只想调整“光影”时，传统大模型会连同“主体”、“构图”一起大范围重构，破坏了创作者的局部微调意图。
Prompix 的产品定位是 “一个专为 AI 创作者设计、保护隐私且注重沉淀的“视觉提示词智能工作台” (Visual Prompt Intelligence Workspace)。它通过创新的“非破坏性维度锁定”、“双语直出”和“本地资产隔离存储”等策略，完美解决了上述痛点。
Prompix 采用了轻量级无状态服务端网关 + 客户端大容量存储隔离的架构，确保了极佳的用户隐私保护和极高的响应速度：
架构图源文件（Mermaid 格式）：docs/architecture-diagram.mmd
在 Prompix 的开发过程中，我们始终遵循 “体验驱动、成本敏感、工程严谨” 的 AI 产品设计哲学。以下是项目的核心亮点，以及我们做出相关技术方案决策背后的思维 (Product Rationale)。
- 技术实现：在服务端
OpenAIServerProvider与客户端的openai.ts/siliconflow.ts适配器中构建了智能路由映射。当检测到当前任务需要图片多模态输入，但用户配置的是不支持 Vision 的纯文本模型（例如deepseek-ai/DeepSeek-V3、o1-mini、gpt-3.5-turbo）时，系统会在请求发送前，自动将其映射至对应已配置的多模态模型，而对于后续的纯文本操作（如术语追问、翻译）则原样保留纯文本模型以保障高推理能力。- 为什么不直接在前端报错拦截，让用户自己去改设置？
用户并非技术专家，强行抛出
No endpoints found that support image input等技术黑话会引发严重的焦虑与流失率。 产品应当具备 “渐进式自适应 (Progressive Resilience)” 的容错能力，在系统底层通过策略引擎为用户做降级备选，从而将产品的**“不可用状态”降低为零**。
- 为什么不直接在前端报错拦截，让用户自己去改设置？
用户并非技术专家，强行抛出
- 技术实现：多模态首轮分析时，通过特定的 System Prompt 强制模型以结构化 JSON 同时返回英文提示词卡片（
original）与中文对照（translated）。- 为什么不用传统的前端一键“翻译按钮”（每次点击都调用大模型翻译 API）？
- 高昂的二次费用：翻译接口每次调用都需产生 Token 开销。
- 网络延迟打断流：用户每次切换语言都要等待 2~3 秒，无法做到“0ms 瞬时直观对比”。
- 大模型幻觉：重复调用翻译接口可能会导致返回的格式发生变异。通过“首次双语直出”，用户可以在前端实现 0ms 切换，在零延迟体验的同时，为用户省去 90% 以上的多模态推理费用。
- 为什么不用传统的前端一键“翻译按钮”（每次点击都调用大模型翻译 API）？
- 技术实现：Prompix 将提示词反推拆解为 6 个核心维度（Subject, Environment, Composition, Lighting, Mood, Style）。在多轮对话微调时（例如输入“把天改成黑夜”），服务端将执行非破坏性修改规约：模型仅被授权微调相关维度（如 Lighting 与 Environment），其余未涉及卡片（如 Subject、Style）的提示词绝对保持 100% 字符一致。
- 在传统的通用聊天机器人中，微调会导致整个提示词被大范围重写。对于 AI 创作者来说，好不容易通过随机种子锁定的构图和风格会随着一次微调瞬间崩溃。
- 维度“锁存 (Locking)” 是我们对“AI 随机性”与“人类确定性”的一种平衡解法。通过锁定未被改动的原子卡片，保留了创作资产的稳定性。
- 技术实现：
- LocalStorage（5MB 限制）：仅存放非常小且高频的文本 Metadata 历史索引列表。
- IndexedDB（通过
idb-keyval）：以prompixImage_{id}为物理键，解耦存储大分辨率的 Base64 原始图片。 - Canvas 缩略图管道：上传时，前端 Canvas 自动对大图进行等比例缩采样（120px，quality 0.5）生成 5KB 左右缩略图存放在 Metadata 中，供 Library 列表秒级秒开渲染。
- 为什么不在一开始就图文合一全部塞进本地？ 普通的图片一张就高达 1~2MB。如果图文合一存放在 LocalStorage，用户上传过多就易发生浏览器崩溃；即使放 IndexedDB，如果列表渲染时一次性从数据库中反序列化数十兆的图片数据，整个前端也会发生不可接受的顿卡。 **“数据分层、按需提取”**是支持“纯本地运行、隐私安全第一”产品的核心工程规范，这也是该应用能做到百万级列表秒开的技术保障。
- 技术实现：使用 Vercel AI SDK 构建了无状态多云路由网关。支持标准 OpenAI、Anthropic Claude、硅基流动 (SiliconFlow)、MiniMax 等主流服务商，支持 SSE (Server-Sent Events) 真流式转发，首字响应时间（TTFT）低至百毫秒级。
- 为什么提供“Developer Mode”让用户自填 Key 直连，又提供平台代发？ AI 创作者圈层中既有“技术极客”（希望自配硅基流动、白嫖 Token），也有“白小白创作者”（希望开箱即用，不想懂什么是 API Key）。 提供双重模式（Managed Mode 和 Developer Mode）能够同时满足极客用户的深度调优自主权与大众用户的超低认知门槛。
- 技术实现：模型在分析图片时会智能提取高级视觉术语（如“Cinematic Lighting”, “Volumetric Dust” 等），并将它们自动提炼成字典。用户可以在 Wordbank 页面进行术语深入追问，并且这些释义数据会在前端本地缓存，避免重复请求。
- 创作者不是简单的搬运工。Prompix 相比其他工具的最大壁垒在于，它能帮助创作者“学习”。
- 通过沉淀的 Wordbank（视觉术语库），创作者能看到大模型眼睛里的艺术名词，建立属于自己的“创作词典”，这是一种极佳的产品留存机制与粘性抓手。
- 设计细节：温润燕麦色（
#FBF9F6）与 Obsidian 暗夜黑双色主题。界面融合了极轻的 CSS SVG 实体纸张颗粒噪点质感，并基于 Framer Motion 微动效（物理阻尼参数stiffness: 100, damping: 20）构建，彻底摆脱了传统“冷冰冰的 AI 工具感”。- 为什么不采用高饱和度的“科技感蓝紫渐变”？ 因为创作者在工作台前需要极度专注，高饱和度会造成视觉疲劳。而柔和的莫兰迪配色与模拟纸张的颗粒感，能营造出一种“实体画册”的物理触感与安静的创作环境。
- 页面高度控制决策：坚持
100vhViewport 零滚动设计，所有面板在一屏内收纳。频繁的垂直滚动会打断创作者在“微调 - 复制 - 对比”这一闭环流程中的心流体验。
- 技术实现：引入“多模态视觉分析大模型 + 轻量纯文本辅助模型”的双模型路由机制。对于大图分析、带图追问等视觉任务路由至多模态大模型；对于纯文本翻译、长尾术语解释、无图文字追问等，在不降级交互效果的前提下，智能动态路由至极低成本的轻量辅助模型。
- 多模态大模型的 Token 价格通常是纯文本模型的数倍。若全流程（包括简单的术语解释和纯文字追问）都调用多模态模型，API 账单会成倍飙升。
- 通过这一路由架构，我们能为运营方 and 个人用户削减 60% 以上的 API 调用成本，兼顾高保真体验与高性价比。
- 技术实现：实现了以单张图片为核心工作区的视觉词汇隔离机制。每次用户上传并分析一张新图，或在历史库中激活不同作品时，词汇库会自动清理并重新挖掘，仅呈现当前激活图片专属的视觉词汇与深度释义，彻底消除历史遗留词条的混淆。
- 传统的词汇库往往是全局累加展示，导致用户在处理不同风格的作品时，无法分清哪些词来自当前任务，哪些是上一张图的遗留物。
- 上下文绝对隔离能够显著降低用户的“信息过载”和“认知混淆”，让创作者专注于当下这幅画面的词汇打磨与追问。
- 核心框架：Next.js 15.3 (App Router) + React 19.1
- 状态管理：React Context +
useReducer（原子状态合并，防止异步状态延迟引起的渲染冲突） - 动效渲染：Framer Motion 11
- 样式方案：Tailwind CSS 4.1 + CSS SVG 纸张噪点纹理
- 数据库：IndexedDB +
idb-keyval(异步大图隔离存储)
├── scripts/ # 一键化开发辅助与打包脚本
│ ├── launch-prompix.mjs # 一键启动脚本：自动化拉取端口、检查编译、秒级开启本地服务
│ └── stop-prompix.mjs # 一键优雅退出与后台端口进程清理脚本
├── next-web/ # Prompix 主站工程 (Next.js 15)
│ ├── app/ # App Router 路由 (分析、历史库、术语库、设置)
│ │ ├── api/ # API Gateway (Managed 托管路由 / Dev-mode 转发路由)
│ ├── components/ # UI 组件层 (Framer Motion 莫兰迪微动效组件)
│ ├── lib/
│ │ ├── server/ # 服务端 provider-factory 适配层与 Zod 契约强制执行
│ │ ├── services/ # 客户端 openai.ts / siliconflow.ts 模型 fallback 降级层
│ │ ├── state/ # 全局 React Context 状态切片
│ │ ├── data/ # IndexedDB & LocalStorage 分层存储引擎
│ │ └── i18n/ # 7 语种翻译资源与 0ms 瞬切 Hooks
│ └── tests/ # 测试矩阵
│ ├── unit/ # 76 个 Vitest 单元测试 (包含预取队列、词汇隔离、自适应分类纠偏、降本旁路、降级路由等 22 个测试文件)
│ └── e2e/ # 6 个 Playwright 自动化端到端测试
└── miniapp/ # WeChat 微信小程序端移植版 (实验性)为了证明该项目的企业级健壮性与架构安全性，我们建立了完整的测试双层矩阵：
覆盖核心路由、降级机制、缓存、预取队列、词汇隔离与分类自适应纠偏等模块：
- 存储稳定性：验证了 Base64 大图隔离写入 IndexedDB 且 Metadata 正常落库的可用性。
- 语言降级与翻译：确保模型即使返回残缺的 JSON 也能通过
model-output.ts完成高容错净化归一化。 - 分类自适应纠偏与隔离：验证画幅、分辨率等字段的自动归类，并确保词汇库上下文隔离，干净启动。
- 预取排队与旁路：测试按优先级加载词条释义、最多预取 15 个，并验证本地静态释义 0 Token 拦截旁路的可用性。
运行在 headless 浏览器，全自动跑通用户链路：
smoke.spec.ts：首页加载、页面瞬切无滚动死角验证。analysis-autofill.spec.ts：模拟拖拽图片及 API 响应自动填充表单卡片。settings-clear-cache.spec.ts：测试设置页中清空缓存对于 IndexedDB 数据的彻底净化。
作为一个具备敏捷规划能力的 AI 产品经理，我为 Prompix 规划了清晰的迭代里程碑，目前项目已升级至 v1.3.0 (最新迭代发布)。
- v0.8.0 - 核心链路闭环 (Local Beta): 实现多模态分析、SSE 真流式转发及大图 Canvas 等比例预压缩。
- v0.9.0 - 安全隔离与本地优化 (Release Candidate): 清理硬编码，将 Key 隔离存储于客户端，完成 IndexedDB 存储分层。
- v1.0.0 - 官方发布 (Official Release): 完善 7 国语言 i18n 系统与 MIT 许可。
- v1.1.0 - 格式定制复制板 (Feature Update): 增加 Midjourney/SD/DALL-E 多格式复制定制控制面板，并应用高阶玻璃毛玻璃拟态视觉样式。
- v1.2.0 - 语义去污、智能降级与动效美化 (Performance & Aesthetic):
- 优化 Wordbank 提取逻辑，排除段落级长句，防止接口卡死。
- 移除导致 TLS 超时的 Google Fonts 握手，使本地编译提升 15s。
- 重构 UI，全面采用莫兰迪微动效与 Particle 浮动背景。
- 实现智能 Fallback 路由映射，解决用户错误配置文本模型时多模态图片的报错体验。
- v1.3.0 - 双模型路由与词汇库隔离 (Dual-Model Routing & Context Isolation):
- 实现双模型架构（多模态视觉模型 + 轻量纯文本模型），纯文字交互智能路由降本，削减 60%+ 运行开销。
- 实现词汇库上下文绝对隔离，多历史项目切换时自动清空并重建当前专属词库。
- 引入本地预设释义 0 Token 静态拦截旁路，首屏词条预加载排队与 15 封顶策略。
- 升级防幻觉指令护栏，强化 Schema required 键值 Zod 强约束，新增 16:9/8K 分类自适应纠偏规则。
- v1.4.0 - 宽高比判定与分词去噪 (Aspect Ratio & Text Denoising):
- 宽高比动态检测：图片上传与压缩时自动判定最佳比例（如
16:9,9:16,1:1），并自动同步写入卡片的mjParams复制控制字段（形如--ar 16:9）。 - 分词过滤去噪：引入
isPureVisualTerm过滤层与停词表，自动剔除过渡介词、纯数字及低艺术指示度的无用短句，提炼词汇库的艺术纯度。
- 宽高比动态检测：图片上传与压缩时自动判定最佳比例（如
- v1.5.0 - 折叠滑块、自适应编译与本地字典 (Collapsed Sliders, Adaptive Compiling & Local Glossary):
- 折叠式权重滑块：重构维度卡片，采用聚焦/点击后平滑动效展开的微调权重 Slider，直观显示精度数值，剥离繁琐的 Save/Apply 按钮。
- 自适应 Prompt 编译器：对编译器解耦为
promptCompiler.ts；自动省略默认值1.0权重，非 1.0 精准编译为 MJ 双冒号语法（::1.5）或 SD 括号权重（(word:1.5)）格式。 - 0-Token 静态字典：前置拦截视觉释义请求，优先匹配本地
presets-glossary.json，实现 0ms 词义秒开响应并节约大模型 Token。 - UI 纵向对齐优化 (v1.5.1)：修复 Range Slider 轨道与手柄在 Safari / Webkit 等浏览器上出现的偏移和截断，完美实现呼吸感微交互。
- v1.6.0 - 下一代规划：跨模态语义化搜索 (Semantic Search & Vector DB):
- 引入客户端轻量级 ONNX CLIP 模型，在浏览器本地实现“以图搜图”和“以文搜图”。
- 推出“一键打包与云端备份”方案。
在项目根目录下执行安装：
npm install在 next-web/.env.local 文件中填入基础配置（本地开发使用内置 Demo 提供商，或填入 Key 访问真实 API）：
NEXT_PUBLIC_RUNTIME_POLICY=local
# Managed Gemini 官方 API (平台直连必填，或在设置页自填 Key)
GEMINI_API_KEY=your_key_here
GEMINI_MODEL=gemini-2.5-flashnpm run start- 服务启动后会自动打开浏览器访问 http://localhost:4300。
- 在 Mac 下，你也可以直接双击运行根目录的
Open-Prompix.command脚本。
本项目基于 MIT License 协议开源。 All visual and prompt reversing technologies inside are protected under developer-first privacy laws.
设计以温润致敬创作，功能以精准赋能灵感。
如果您觉得 Prompix 帮到了您，请为本项目点一个 ⭐ Star！