起源提示词助手实测：本地大模型驱动的全能提示词工具

做AI出图或漫剧的人大概都遇到过这种尴尬：配置参数调了半天，提示词写出来却满是「高级感」「精致氛围感」这类玄学词，出图全靠运气。B站UP主「光追樱花」用AI开发了一款桌面工具「起源提示词助手」，核心定位非常明确——它不帮你生图，而是帮你把提示词写到能直接出图的程度。

本文根据该UP主发布的使用教程整理，带你拆解这款工具的运行逻辑和八大功能模块。

工具定位：模板库 + 本地大模型

理解这款工具的关键在于它的架构：软件本体是客家模板库，真正干活的「大脑」是你本机跑的大语言模型（基于 Llama.cpp）。换句话说，它是框架驱动大模型，模型越强，推理能力就越强，生成的提示词质量也越高。

使用逻辑只有三步：双击 EXE 打开软件、在顶部蓝色的「模型启动器」里选模型并运行、等左下角状态灯变绿再去生成。这个状态灯是工具的「心跳」——红灯代表模型没醒，绿灯才能干活。很多新手第一次用，模型还没启动就猛点生成，误以为软件坏了，其实只是「大脑还没启动」。

运行门槛也值得注意：内存 16G 起步、32G 更稳，N 卡独显 16G 显存可以跑 27B 量化模型。软件采用绿色免安装设计，三个文件夹删掉就等于卸载，不写注册表、不装服务，对强迫症友好。

Llama.cpp 是一个用纯 C/C++ 编写的开源推理框架，最初由 Georgi Gerganov 开发，核心目标是让大语言模型能够在消费级硬件上本地运行。它的关键技术是「量化」（Quantization）：将模型权重从 32 位或 16 位浮点数压缩成 4 位、8 位等更低精度的整数，以此大幅降低显存和内存占用。以 27B（270 亿参数）模型为例，原始 FP16 权重需要约 54GB 显存，经过 4-bit 量化后可压缩到 14GB 左右，正好落在消费级 16GB 显存显卡的可用范围内。量化会带来一定精度损失，但对于提示词生成这类任务，实际影响通常在可接受范围内。"带多模态功能的模型"指同时具备文本理解和图像理解能力的模型（如 LLaVA 系列），这类模型才能支撑视图反推模块对图片和视频内容的分析。

影视与游戏模块：从一句话到完整提示词

影视提示词模块是整个工具的代表。你只需要输入一句大白话，比如「女生在弹钢琴」，选好参数，它就能扩写成一条可以直接喂给 ComfyUI 的长提示词。左侧四个区域是灵魂所在：

• 一致性锚点：同一个角色、场景的描述逐字不变，保证跨镜头不跑偏。这是整个模块最值钱的功能，对漫剧和分镜创作尤其关键。
• 镜头语言：景别、角度、焦段。
• 光线与时空：光位、时段、天气。
• 输出设置：画幅、语言、画质包。

右侧风格库按题材分成六大类，从玄幻仙侠到赛博朋克都有覆盖。

游戏提示词模块面向游戏美术资产制作，可以选资产类型、生产用途、勾选专业维度标签。隐藏的进阶功能是 HLSL 着色器生成，勾选后可直接产出 PBR 材质、自发光特效的函数体。需要留意的是，该模块只输出正向提示词，不生成负面词。

HLSL（High-Level Shader Language）是微软为 DirectX 开发的着色器编程语言，广泛用于游戏引擎的实时渲染管线。PBR（Physically Based Rendering，基于物理的渲染）是一套模拟真实光照与材质物理属性的渲染标准，通过金属度（Metallic）、粗糙度（Roughness）、基础色（Base Color）等参数描述材质表面属性，是 Unity、Unreal Engine 等主流引擎的默认渲染工作流。游戏美术从工具中直接获得 HLSL 函数体，意味着可以将 AI 生成的材质效果描述直接对接到引擎着色器代码中，跳过从概念图到技术实现的转译步骤，这对独立游戏开发者或小型美术团队有较明显的提效价值。

视觉、电商与AI视频：覆盖多场景产出

视觉提示词模块更轻量，五维标签组合加本地模型润色，等于一条 ComfyUI 正向提示词。它支持权重语法，ComfyUI 和 Stable Diffusion 通用，好用的组合可以存成模板下次一键复用，比较适合广告行业用户快速把一个想法扩写成提示词。

电商提示词模块覆盖九大商品内目，可按细分标签、画幅（3:4 小红书、1:1 猫主图、9:16 短视频封面）生成提示词，还支持导入 TXT 自动读入文案，每次生成自动存历史，最多保留 100 条。

AI视频提示词（对接 MiniMax 等模型）是信息量最大的模块，支持纯文生视频、图生视频、首尾帧视频、多参考图（最多 9 张）四种输入模式。最实用的是「长剧本连续分段生成」——把长剧本按每段时长切成 0-12 秒、12-24 秒等首尾相接的片段分次生成。作者特别提醒：别指望一条提示词覆盖 5 分钟视频，按 12 秒一段切才靠谱。该模块还内置 12 大创意风格，并支持 23 国语言，做出海项目时记得切换目标语种，比如选日语后提示词正文就会整篇用日语书写。

AI 视频模块提到的「首尾帧视频」对应的是图生图的关键帧插值技术：用户分别指定视频的第一帧和最后一帧参考图，模型负责生成中间的过渡动画。这种方式相比纯文生视频有更强的镜头可控性，适合需要精确控制起止画面的场景，例如产品展示或固定角色动作设计。「长剧本连续分段生成」背后的逻辑是当前主流视频生成模型（包括 MiniMax、Sora、Kling 等）的单次生成时长上限普遍在 5-10 秒左右，且跨片段的时序一致性无法由单一提示词保证。将长剧本拆成首尾相接的短片段分次生成，再在后期剪辑软件中拼接，是目前实现分钟级 AI 视频的主流工作流，而非工具本身的局限。

内容运营、视图反推与模型启动器

平台内容运营模块很实用：同一份产品信息，一次生成七大平台的带货软文，涵盖抖音、快手、小红书、B站、微博、公众号和品牌新闻稿，针对各平台调性生成不同风格，可一键导出 TXT 打包带走。

视图反推模块把参考图或参考视频反推成正向提示词，支持 JPG/PNG 图片和 MP4/MOV/MKV 视频（最大 500MB），视频可以等间隔抽帧或抽关键帧，生成分镜表后还能直接推送到 AI 视频模块。由于全程调用本地模型，图片不出本机，隐私性较高。

模型启动器是第一次使用的必看页面：配置推理程序路径、模型文件、视觉投影和性能参数，右边有命令预览和硬件检测，可以查看电脑配置和推荐下载的模型。作者建议选择带多模态和文本功能的模型，这样 AI 视频模块也能正常使用。

此外，首页支持小说一键翻译，覆盖 23 国语言，翻译完文案自动显示在中间界面，作者建议按章节分批翻译，别一口气跑十几万字。连这期视频的文案本身，也是用本地 AI 写的。

本地优先的价值取向

这款工具最值得玩味的，是它背后的理念：简单任务尽量靠本地 AI 完成，能节约云算力就节约。作者的观点是「在 AI 收费之前，尽量压榨本地开源模型的能力」。在云端 API 成本持续受关注的当下，这种本地优先的思路对个人创作者和小团队有现实意义——隐私可控、无 token 费用、离线可用。

当然，它的代价是对硬件有一定要求，且生成质量高度依赖本机模型的强弱。工具永久开源免费，开发者为 B站 UP主「光追樱花」，仅在 B 站有账号，使用时需注意辨别山寨和诈骗。

对于漫剧、分镜、电商、AI 视频等需要大量结构化提示词的创作场景，这类「提示词工程」工具确实能降低新手门槛，把玄学调词变成可复用的模板流程。