🎨 Prompt Manager (提示词反推与数据集工坊)

基于多模态大模型与 6 阶段 SKILL 分解流水线的高性能图片反推提示词与 LoRA 训练集制作工具
High-performance Vision-to-Prompt Reverse Engineering & LoRA Dataset Toolkit Powered by Multimodal LLMs and 6-Stage SKILL Pipeline.

---

🌐 语言选择 / Language Selection

🇨🇳 简体中文完整文档 (README.CN.md) • 🇺🇸 English Full Documentation (README.EN.md)

---

📌 Executive Summary / 核心概述

特性 / Feature	说明 / Description
🔬 6-Stage SKILL Pipeline	6 阶段模块化分解流水线：类型识别 ➔ 美术流派 ➔ 摄影参数 ➔ 场景主体 ➔ 微观质感 ➔ 提示词组装
🔄 Dual-Mode Inference	离线模式 (llama.cpp + Qwen3.5-9B-Q4_K_M.gguf) & 在线模式 (Gemini 3.7 Multimodal / OpenAI API)
🎯 Multi-Engine Syntaxes	原生支持 SDXL、Flux.1、Krea2、Midjourney v6 等主流生图语法与负向词过滤
💾 SQLite Persistence	本地嵌入式 SQLite3 持久化存储历史记录、自定义 SKILL 规则与模型配置
📦 LoRA Dataset Packaging	一键打包输出配对的 .png + .txt LoRA 训练集压缩包 (ZIP)、JSON、CSV 与 Markdown

---

🖼️ UI Preview / 界面截图预览

主工作台：多阶段反推卡片流与分类树形导航

左：llama.cpp 本地硬件加速设置 ｜ 右：在线多模态 API 多端点管理

左：图片拖拽导入与反推 ｜ 右：批量导出 LoRA 训练集 (ZIP/JSON/CSV)

---

⚡ Quick Start / 快速上手

# 1. Clone the repository / 克隆项目
git clone https://github.com/your-username/prompt-manager.git
cd prompt-manager

# 2. Install dependencies / 安装依赖
npm install

# 3. Configure environment variables / 配置环境变量
cp .env.example .env

# 4. Start the development server / 启动开发环境
npm run dev

# 5. (Optional / 可选) Launch local llama-server with Qwen3.5-9B-Q4_K_M:
llama-server \
  -m ./Qwen3.5-9B-Q4_K_M.gguf \
  --mmproj ./mmproj-F16.gguf \
  --jinja \
  --chat-template-kwargs '{"enable_thinking":false}' \
  -ngl 99 \
  -c 32768 \
  -fa on \
  --cache-type-k q8_0 \
  --cache-type-v q8_0 \
  --port 8080 \
  --host 0.0.0.0 \
  --parallel 1 \
  --temp 0.7 \
  --top-p 0.95 \
  --top-k 20 \
  --min-p 0.0

Visit http://localhost:3000 in your browser.

---

📚 Detailed Documentation / 完整详细文档

• 🇨🇳 中文文档：查看 README.CN.md 获取完整的 6 阶段规则定义、语法模板配置及数据导出说明。
• 🇺🇸 English Documentation: See README.EN.md for full pipeline specs, multi-model template guides, and technical architecture.

---

📄 License

Distributed under the Apache-2.0 License.