大家好呀，我是你们的AI 工具测评师—刘AI菲😘。

今天我要分享的是用一个宝藏Prompt模型数据库，打造一套生产力架构的玩法

---

挖到宝藏仓库

awesome-gpt-image-2-prompts

作者是 EvoLinkAI。

我原本以为又是那种“Prompt 大杂烩”。

结果打开之后发现：

它居然是认真在做 GPT-Image-2 Prompt 工程。

不是简单分享几句关键词。

而是：

• 场景分类
• 实际出图预览
• 可复现 Prompt
• JSON 数据结构
• API 可直接调用

整个东西特别像：

“GPT-Image-2 的 Prompt 数据库”

目前已经收录了 2000 多条 Prompt。

而且最关键的是：

很多 Prompt 一看就是认真测过的。

不是那种：

“我觉得这样写可能有效”。

而是真正在 GPT-Image-2 跑通的效果。

---

直观感受

很多 prompt 库最大的问题，就是我们根本不知道跑出来是什么效果，只能自己烧 API quota 去盲目尝试。但这里能先看到大概风格，效率会高很多。

它还支持10多种语言版本。README 目前已经有英文、德文、西班牙文、法文、日文、韩文、葡萄牙文、俄文、土耳其文、简体中文和繁体中文，一共 11 个版本，而且是同步更新的。能感觉出来，作者是真的希望不同语言的人都能直接理解 prompt 的设计逻辑，而不是只服务英文用户。

还有一个我挺在意的点：社区氛围积极活跃，内容持续更新ing。。。

现在已经有 13 个 open issue、1.3K个 fork，说明大家不只是点个 star 看热闹，是真的有人持续往里面补内容、提优化、一起维护。一个 prompt 库能不能长期有价值，其实很看这个。

---

GPT-Image-2 刚出来的时候，我第一反应其实和很多人一样：

“这模型有点离谱了。”

特别是它对：

• 灯光
• 构图
• 材质
• 文本排版
• 摄影感

这些东西的理解，已经明显不是以前那种“AI拼贴感”了。

第一次跑出一张真正像商业海报的图时，我甚至有种：

“AI生图已经进入下一阶段了。”

但我连续玩了一周后，发现了一个很真实的问题：

同样是 GPT-Image-2，别人生成的图像电影截图，我生成的像测试素材。

一开始我以为是参数问题。

后来发现根本不是。

真正的问题只有一个：

Prompt。

而且不是普通 Prompt。

是「GPT-Image-2 专属 Prompt」。

---

如何使用

1、直接抄 prompt 丢给 OpenAI API ：

import openai

client = 
            openai.OpenAI()
          


response = 
            client.images.generate(
          

    model="gpt-image-2",

    prompt="a cinematic minimal portrait of a woman, neon convenience store lighting, 35mm film grain",

    size="1024x1024",

    quality="high"

)


print(
            response.data[0].url)

2、如果你是纯小白，建议你直接把提示词丢给另一官网GPT-Image-2，直接生成作品。

---

直接给结果

这一点我真的觉得特别重要。

因为现在很多 Prompt 教程的问题是：

它只告诉你“怎么写”。

但不会告诉你：

“写完之后到底长什么样。”

最后你还得自己浪费 API quota 去盲试。

但这个仓库基本每个 Prompt 都配了实际预览。

所以你会很直观地知道：

• 这个 Prompt 偏电影感
• 那个偏商业广告
• 哪个适合人像
• 哪个适合 UI mockup
• 哪个适合潮流海报

这个体验真的会舒服很多。

如果你想研究 prompt 设计思路而不是单纯抄，建议重点看肖像和海报这两类。

GPT-Image-2 对灯光、材质、镜头感的描述理解得很到位，这些 prompt 的写法本身就有学习价值。

---

对“摄影感” 超强理解力

我最近重点研究了他们的人像 Prompt。

说实话，有点刷新认知。

以前很多 AI 图的问题是：

“像 AI”。

但 GPT-Image-2 现在已经开始能理解：

• 35mm film grain
• tungsten lighting
• cinematic framing
• soft shadow
• neon convenience store lighting

这种真正偏摄影语言的描述。

而且它不是简单套滤镜。

它会理解整个：

• 光源逻辑
• 空间氛围
• 色彩关系
• 镜头叙事

所以很多图已经不像“AI绘图”。

更像：

“摄影师拍出来的概念视觉”。

---

项目信息

Star 数	12.5K（本周持续上涨，今天 2 小时前还有提交）
开源协议	MIT
主要语言	Python（提示词数据存 JSON，仓库用 Python 脚本做多语言同步）
维护状态	活跃，每天的更新都跟得上

---

机会与挑战

对我来说，最大的感受是：

AI 绘图已经开始从“拼模型”，进入“拼视觉语言”的阶段了。

而这个仓库最有价值的地方，不是它收录了多少 Prompt。

而是它第一次让我意识到：

Prompt 本质上是一套生产力架构

---

鄙人用心创作不易，既然大佬看到这里了 👇️

如能得到您的认可，是我前进的最大动力💪

请您动动发财的小手点个赞、收藏、转发三连吧😘

如果您想第一时间收到推送，也可以给我个赞 ️❤️

感谢您看我的文章，我们下期，再见~☺️