鸿蒙智能体开发实战：34.鸿蒙壁纸大师 - 提示词工程与优化

引言

提示词工程（Prompt Engineering）是 AI 应用中决定输出质量的关键环节。在鸿蒙壁纸大师中，提示词的质量直接决定了最终生成的壁纸是否符合用户的审美期待。

本文将深入分析项目中的双层提示词优化策略：

• 第一层：根据用户选择的风格、主题和场景，使用build_image_prompt()构建结构化的基础 prompt
• 第二层：调用 LLM 对基础 prompt 进行艺术化增强和语义丰富

同时还涵盖 System Prompt 设计、负向提示词、8 大核心艺术要素等内容。

关键概念：提示词工程不是简单的「写描述」，而是一个涉及结构化约束、多轮优化、负向控制的系统工程。优秀的提示词应同时考虑「告诉模型做什么」和「告诉模型不做什么」。

一、双层提示词优化策略

1.1 优化流程总览

用户输入/选择 ↓ ┌─────────────────────────────────────┐ │ 第一层：基础 prompt 构建 │ │ build_image_prompt(style, theme, │ │ screen_type, resolution) │ │ → 结构化、标准化的基础 prompt │ │ → 包含风格、主题、场景、分辨率约束 │ └─────────────────────────────────────┘ ↓ ┌─────────────────────────────────────┐ │ 第二层：LLM 艺术增强 │ │ enhance_prompt_with_llm(base_prompt) │ │ → 调用 doubao-seed-2-0-mini 模型 │ │ → 添加艺术流派、色彩方案、材质纹理 │ │ → 确保输出结构规范 │ └─────────────────────────────────────┘ ↓ 最终 prompt → 调用文生图模型生成壁纸

上图展示了双层提示词优化策略：第一层构建结构化基础 prompt，第二层通过 LLM 进行艺术增强，最终生成高质量壁纸

1.2 第一层：基础 prompt 构建

# services/wallpaper_flow_service.pydefbuild_image_prompt(style:str,theme:str,screen_type:str,resolution:str)->Tuple[str,str]:""" 构建图片生成提示词 Args: style: 风格名称（如"水墨国风"） theme: 主题名称（如"青峦远山"） screen_type: 屏幕类型（lock_screen 或 home_screen） resolution: 分辨率（如 1440x2560） Returns: (正向提示词，负向提示词) """# 计算宽高比ifresolution:try:width,height=map(int,resolution.split('x'))ifwidth>height:aspect_ratio="横屏 3:2"else:aspect_ratio="竖屏 9:16"except(ValueError,AttributeError):aspect_ratio="竖屏 9:16"else:aspect_ratio="竖屏 9:16"# 确定场景描述（锁屏 vs 主屏的差异化处理）ifscreen_type=="home_screen":scene_desc=("整体画面柔和虚化、低对比度、留白充足，""四周简洁不杂乱，不遮挡应用图标与卡片，""风格简约高级，色调统一细腻")else:# lock_screenscene_desc=("画面层次精致优雅，视觉柔和唯美，""不遮挡顶部时间区域")# 构建正向提示词positive_prompt=(f"生成一张{style}的{aspect_ratio}壁纸，"f"画面包含{theme}，比例为{aspect_ratio.split()[-1]}。"f"{scene_desc}。高级艺术氛围，柔光质感。"f"8K 超高清，无文字、无水印、无多余杂物。")# 负向提示词negative_prompt=("丑陋、杂乱、刺眼、文字、水印、LOGO、低俗、""过度饱和、高对比、噪点、变形、低清、像素模糊、""多余杂物、主题堆砌、色彩脏乱、卡通化、俗气")returnpositive_prompt,negative_prompt

核心设计理念：

1. 场景差异化：主屏壁纸需要虚化留白以适应图标，锁屏壁纸则强调视觉层次
2. 分辨率自适应：根据分辨率自动确定横竖屏比例
3. 负向提示词硬编码：避免 LLM 优化时遗漏关键约束
4. 基础模板稳定可靠：确保每次生成的壁纸都符合基本质量标准

设计提示：基础模板中的负向提示词不经过 LLM 优化，这是有意为之。LLM 在增强 prompt 时可能会「遗忘」或「弱化」某些约束条件，而文字、水印、LOGO 等禁止项是严格的合规需求，不可妥协。

1.3 第二层：LLM 艺术增强

基础 prompt 虽然结构清晰，但艺术表现力不足。第二层通过调用 LLM 进行深度增强：

# services/wallpaper_service.pyasyncdefenhance_prompt_with_llm(user_prompt:str,context_messages:List[Dict[str,str]]=None,log_id:str=None)->str:""" 调用语言模型完善用户输入的 prompt 返回优化后的 prompt """system_prompt="""你是一个专业的艺术插画提示词优化专家。 用户会输入简单的描述（可能包含主题、风格信息）， 你需要将其优化为具有强烈艺术风格的插画提示词。 核心原则： - 禁止写实风格，必须是艺术插画 - 强调艺术性、设计感、高级感 - 融合多种艺术流派和质感 必须包含的核心要素： 1. 艺术风格定位：高定艺术插画、绘本风格、平面插画等 2. 主体元素：核心视觉元素具体化 3. 色彩方案：主色调+辅助色调，色彩情绪 4. 背景与材质：材质纹理、光影特征 5. 构图与排版：大师级排版，大量留白 6. 艺术质感：电影感、绘本感、版画质感等（至少3种） 7. 情绪氛围：梦幻、诗意、朦胧、宁静、治愈 8. 限制条件：不要出现文字 输出结构模板： 一张【主题】风格的艺术插画壁纸，融合【艺术流派】美学。 画面主体为【主体元素】，采用【主色调】与【辅助色调】， 呈现【情绪氛围】。背景使用【材质纹理】，带有【光影特征】。 构图采用【构图方式】，大量留白，点线面层次丰富。 融合【艺术质感关键词】。高定艺术插画，大师级排版， 极简与极繁结合，梦幻诗意，动态定格，电影级氛围。 不要出现文字。"""messages=[{"role":"system","content":system_prompt}]ifcontext_messages:messages.extend(context_messages[-10:])messages.append({"role":"user","content":f"请优化以下绘画提示词：{user_prompt}"})# 调用火山引擎 LLM（流式输出）asyncwithclient.stream("POST",f"{settings.VOLCANIC_BASE_URL}/chat/completions",headers={"Authorization":f"Bearer{settings.VOLCANIC_API_KEY}",},json={"model":settings.LANGUAGE_MODEL,# doubao-seed-2-0-mini"messages":messages,"max_tokens":1024,"temperature":0.7,"stream":True,},)asresponse:enhanced_prompt=""asyncforlineinresponse.aiter_lines():# 解析 SSE 流式响应，拼接完整 prompt# ...enhanced_prompt+=contentreturnenhanced_prompt

二、System Prompt 设计详解

2.1 壁纸闲聊 System Prompt

用于闲聊场景下的 LLM 调用：

# services/wallpaper_service.pysystem_prompt="""你是一个友好的 AI 壁纸助手。你可以和用户聊天， 但主要专长是帮助用户生成各种风格的壁纸。 如果用户询问壁纸相关的问题，请热情地介绍你的能力； 如果是闲聊，请简洁友好地回应，并适时引导用户描述他们想要的壁纸。"""

设计要点：

• 明确角色定位：告诉模型它是"AI 壁纸助手"
• 定义专业边界：主要专长是壁纸生成
• 交互引导：闲聊时适时引导回壁纸主题

2.2 意图识别 System Prompt

# utils/intent_classifier.pyINTENT_SYSTEM_PROMPT="""你是一个意图识别助手。请分析用户的输入，判断用户的意图。 可选的意图类型： 1. generate_wallpaper - 生成壁纸 2. chat - 闲聊 3. modify_wallpaper - 修改壁纸 4. regenerate - 重新生成 5. cancel - 取消 6. clear_context - 清理上下文 7. unknown - 未知 判断规则： - 问候语、感谢语、告别语 -> chat - 停止、取消、不要、别等 -> cancel - 清空、重新开始 -> clear_context - 有上下文时，"换一张"、"重新来" -> regenerate - 有上下文时，修改具体特征 -> modify_wallpaper - 描述场景、物体、风格 -> generate_wallpaper 请返回 JSON 格式： - intent: 意图类型 - confidence: 置信度 (0-1) - reason: 判断理由 - topic: 如果是 generate_wallpaper，提取壁纸主题；否则为空 """

设计要点：

• 结构化输出要求：要求模型返回 JSON 格式，便于程序解析
• 枚举值约束：只允许返回预定义的7种意图类型
• 低温参数：temperature=0.1确保分类结果的一致性
• 上下文感知：将"是否有历史壁纸"等信息传递给模型

2.3 主题生成 System Prompt

# wallpaper_flow_service.pysystem_prompt=f"""你是一个壁纸主题设计专家。 请为「{style}」风格的壁纸设计{count}个主题选项。 要求： 1. 主题名称要简短、有诗意、2-6 个中文字符 2. 主题要符合该风格的美学特征 3. 只返回 JSON 数组，不要其他说明 4. 例如：["远山暮色", "林间晨光", "湖畔倒影", "雪地初晴"]"""

设计要点：

• 格式约束：要求返回纯 JSON 数组，避免解析错误
• 字符数限制：2-6 个中文字符，确保主题简洁
• 示例引导：通过 Few-shot 示例提示期望的输出格式

三、艺术插画提示词八要素

从enhance_prompt_with_llm()的 System Prompt 中可以提炼出艺术插画提示词八要素：

3.1 优化前后对比

以用户输入"水墨风山水"为例：

优化前（基础 prompt）：

生成一张 水墨国风 的 竖屏 9:16 壁纸， 画面包含 远山轮廓，比例为9:16。 画面层次精致优雅，视觉柔和唯美，不遮挡顶部时间区域。 高级艺术氛围，柔光质感。8K 超高清，无文字、无水印、无多余杂物。

优化后（LLM 增强）：

一张水墨国风主题的艺术插画壁纸，融合宋代山水画美学。 画面主体为远山轮廓层叠，采用墨色与青灰色渐变， 呈现诗意朦胧氛围。背景使用宣纸质感纹理， 带有水墨晕染光影。构图采用深远式构图，大量留白， 点线面层次丰富。融合版画质感、宣纸肌理、水墨渲染。 高定艺术插画，传统与现代结合，梦幻诗意，电影级氛围。 不要出现文字。

优化后的 prompt 增加了艺术流派参考（宋画）、材质细节（宣纸、墨色）、构图技巧（深远式），以及更丰富的艺术质感描述，能产生更具艺术感的壁纸。

四、负向提示词设计

负向提示词（Negative Prompt）是文生图模型的重要输入，告诉模型不要生成什么。

4.1 壁纸大师的负向提示词

negative_prompt=("丑陋、杂乱、刺眼、文字、水印、LOGO、低俗、""过度饱和、高对比、噪点、变形、低清、像素模糊、""多余杂物、主题堆砌、色彩脏乱、卡通化、俗气")

4.2 负向提示词的分类策略

4.3 为什么负向提示词要硬编码

在build_image_prompt()中，负向提示词是硬编码的，不经过 LLM 增强。原因是：

• 负向提示词的精确性要求高：少量关键词的遗漏可能导致大量不合格图片
• LLM 可能"遗忘"约束：模型在增强过程中可能忽略或曲解某些禁止项
• 合规性不可协商：文字、水印等限制是严格需求，不能被"优化"掉

五、提示词工程的性能优化

5.1 超时控制

LLM 调用的超时控制是提示词工程的重要环节：

# services/wallpaper_service.py# 基础 prompt 优化（非流式，快速返回）asyncwithhttpx.AsyncClient(timeout=15.0)asclient:...# LLM 增强 prompt（流式，需更长时间）asyncwithhttpx.AsyncClient(timeout=60.0)asclient:...# 文生图生成（最长超时）asyncwithhttpx.AsyncClient(timeout=120.0)asclient:...

5.2 上下文窗口管理

上下文长度直接影响成本和响应速度：

# services/wallpaper_service.pyifcontext_messages:# 只保留最近的上下文，避免 token 过多messages.extend(context_messages[-6:])# 闲聊场景取6条...messages.extend(context_messages[-10:])# 提示词优化取10条

不同场景使用不同的上下文窗口大小：

• 闲聊：保留最近6条对话，保持轻快响应
• 提示词优化：保留最近10条，获取更丰富的上下文
• 意图识别：仅传递关键状态信息，不传完整上下文

5.3 流式 vs 非流式

┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ 提示词优化 │ │ 意图识别 │ │ 闲聊对话 │ │ (流式/非流式)│ │ (非流式) │ │ (流式) │ │ 需要完整输出 │ │ 仅需JSON │ │ 逐token输出 │ │ 来构建下一步 │ │ 响应可解析 │ │ 以提升体验 │ └──────────────┘ └──────────────┘ └──────────────┘

• 提示词优化：使用流式，但最终拼接为完整字符串再传递给文生图模型
• 意图识别：使用非流式，等待完整 JSON 响应
• 闲聊对话：使用流式，逐 token 推送给用户

六、提示词优化的最佳实践总结

6.1 分层优化策略

6.2 质量保证清单

• System Prompt 明确定义角色和边界
• 输出格式结构化（JSON 或模板）
• 提供 Few-shot 示例引导期望输出
• 负向提示词不与正向提示词矛盾
• 温度参数根据任务类型调整（分类用低温，生成用中温）
• 上下文窗口大小适配场景需求
• 超时时间根据任务复杂度设置
• 兜底方案（LLM 失败时使用默认模板）

6.3 常见问题与解决方案

七、常见问题与解决方案

八、性能优化建议

提示词工程的性能优化直接影响用户体验，以下是一些实测有效的策略：

# 根据任务类型选择 temperatureTEMPERATURE_MAP={"intent_classification":0.1,# 低温度，确保分类一致"prompt_enhancement":0.7,# 中等温度，平衡创意与稳定"chat":0.7,# 闲聊，适度创造性"theme_generation":0.8,# 主题生成，较高创造性}

九、总结

本文详细解析了鸿蒙壁纸大师的提示词工程体系，核心内容：

1. 双层优化策略：基础模板构建 + LLM 艺术增强，兼顾效率与质量
2. 三种 System Prompt：闲聊、意图识别、主题生成，各有侧重
3. 八要素提示词模板：艺术风格、主体元素、色彩方案、材质等
4. 负向提示词设计：硬编码关键约束，确保输出质量和合规性
5. 性能优化：超时控制、上下文窗口、流式与非流式的选择

提示词工程是一个持续迭代的过程，需要根据实际输出质量不断调整 System Prompt 的措辞和约束条件。

如果这篇文章对你有帮助，欢迎点赞👍、收藏⭐、关注🔔，你的支持是我持续创作的动力！

相关资源：

• 项目源码：[wallpaper_service.py](file:///Users/zacksleo/projects/gitlab/ai-wallpaper-server/services/wallpaper_service.py)
• 项目源码：[wallpaper_flow_service.py](file:///Users/zacksleo/projects/gitlab/ai-wallpaper-server/services/wallpaper_flow_service.py)
• 项目源码：[intent_classifier.py](file:///Users/zacksleo/projects/gitlab/ai-wallpaper-server/utils/intent_classifier.py)
• 火山引擎 - 豆包大模型
• 火山引擎 - API 文档
• A2A 协议规范 - 华为
• Python asyncio 官方文档
• Python httpx 异步 HTTP 客户端
• JSON-RPC 2.0 规范
• 华为开发者联盟 - 文档中心
• OpenAI API 参考
• 鸿蒙智能体开发实战系列 - 全部文章