大家好，我是吾鳴。专注于分享提升工作与生活效率的工具，无偿分享AI领域相关的精选报告，持续关注AI的前沿动向。
之前我分享了使用Codex做了一个提示词广场，这个产品的目的主要是想给一些想制作图片，但是又没什么灵感，或者是不知道绘图提示词应该如何编写的朋友，提供一个可以学习或者参考提示词的平台。
感兴趣的朋友可以看看我之前分享的文章——《我用Codex搭了个图片提示词广场，Vibe Coding核心流程全拆解》。
提示词广场这个产品其实是一个重运营的内容产品，需要添加很多的提示词内容后，才会吸引到用户使用。
所以在V1.0版本的时候，我做了一个提示词管理的后台页面，想着有什么提示词需要添加的话，就通过这个后台管理页面对这些提示词进行管理。
当我真正的使用这个页面去做提示词运营管理的时候，我发现要往提示词广场中添加一个提示词要远比想象中复杂。
提示词的样例图片要做对应的压缩处理，不然用户查看提示词会因为图片太大的缘故，导致网页响应慢。
对应英文提示词，考虑到可阅读性，要有对应的中文译本，需要做下中文翻译，提升可阅读性。
收集到的提示词的样例图片，图片的尺寸我们还需要获取到，以便做同款的时候可以进行参数的回填。
在我人工进行了上面的一连串的操作之后，我只收集完一个提示词，我就已经不想干了，累死！
这个提示词收集的流程非常的固定，就是从不同的源头去解析提示词，然后进行图片处理、提示词处理之后，添加到提示词广场的后台管理页面。
所以想着把这个流程做成一个Skill，这样我就能够把重复的动作固化下来，原本我手动执行的运营操作可以交给智能体去帮我干，大大减轻我的工作量。
Skill设计
Skill需要接收一个提示词源头，可以是X、公众号文章链接、GitHub等。
在接收到源头之后，便开始解析提示词内容，把提示词内容、样片、生成模型等非结构化的数据转成结构化数据。
解析出来提示词的内容之后，便要对图片进行压缩、英文提示词翻译、对提示词进行分类、提示词关键词提取、去重操作。
把解析的提示词内容清洗干净之后，便将它写入到提示词广场中。
Skill制作
在根据自己的流程设计完Skill，接下来便开始制作这个Skill了。
智能体我选择的是Codex，模型使用的是GPT5.5。
首先，我要把想要制作的Skill的工作描述、工作流程等内容告诉Codex。
我们需要开发一个“提示词收集技能”：从给定的链接中解析每个绘图提示词的作者、内容、案例图片和关键词，将案例图片压缩后上传到云存储获得永久链接；再调用指定的接口，把提示词写入数据库。写入时，自动按使用场景匹配已有分类（没有则新建），并为每个提示词精选最多四个关键词（优先匹配已有关键词，没有则新建）。整个过程需要实现自动化处理与数据入库。在给Codex提供主要的需求之后，Codex会给制作出来一个初版，这个时候可以开始测试这个出版的Skill。
有不符合要求的地方，或者想增加需求，便可以让Codex进行修改，经过多轮沟通调整之后，得到想要的Skill。
提示词收集
在Skill制作好之后，便可以使用它来收集提示词了，短短的1小时，就收集到了将近500个提示词。
并且自动的把这些提示词做了分类，还提取了提示词的关键词内容，以便可以对提示词做筛选。
无论是Nano Banana 的提示词，还是GPT Image 2的提示词，在使用Skill收集的时候都对样例图片做了压缩处理，所以提示词广场的列表页响应速度非常快。
除此之外，如果是英文提示词，当点开查看详情的时候，可以看到对应的中文翻译，对英文不好的朋友友好。
而这些英文提示词的翻译都来自于Skill的流程，Skill中会识别提示词是否为外文，是的外文的话，会生成对应的中文翻译。
写到最后
有了这个Skill，我已经完全改变了我的收集提示词的方式。
原本我是需要人肉的去解析提示词，人工处理图片，人工翻译，完成之后，在通过提示词广场的后台管理页面去添加。
收集起来非常累，而且效率很低，都是没有技术含量的重复性的动作，如果不是诱惑很大的话，很难坚持。
但是把它Skill化之后，只需要丢链接，后面的解析、图片压缩、翻译等流程就可以交给智能体去做，我就可以去看世界杯或者睡觉去了，哈哈哈。
其实我分享这个提示词收集的流程，是想让大家伙也可以看看自己手上是否也有类似的重复的又不想去做的工作。
不妨现在就开始尝试把它做成一个Skill，把这些“又臭又硬”的活交给AI吧，自己去做些更有趣的事，它不香么？
好了，本文的分享就到这里，如果您觉得有收获的话，可以给个一键三连，您的鼓励是吾鳴持续输出的最大动力。
780
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
